Muon 优化器后训练开销实测：SFT 场景 FLOPs 最多增加 54%

Muon 在预训练中开销很低，但后训练的数据受限场景成本显著，700B MoE 模型进行 SFT 时额外 FLOPs 达 +54%，预训练仅增加 +0.2%。大规模分布式训练中的关键瓶颈是 Newton-Schulz（NS）正交化步骤的通信效率，而 Adam 在这方面更友好。