梁文锋押注的方向，中国00后团队先交卷了！性能直逼Opus 4.8

上周AI圈都在讨论一件事，但大多数人只看到了一半。

7月15日，前OpenAI CTO Mira Murati在旧金山发布了Thinking Machines Lab的首个模型Inkling。

20亿美元融资，975B参数，100人精英团队——硅谷最受关注的AI创业公司，终于亮牌了。

几乎同一天，强化学习之父Richard Sutton，2024年图灵奖得主，年近七十，宣布创办Oak Lab。

老爷子的原话是：「当前的深度学习方法是脆弱且低效的，需要的不是修修补补，而是从根基上重新来过。」

不只是Sutton这么想。DeepSeek创始人梁文锋给出了几乎一模一样的判断。

他把AI的发展比作一级级台阶：语言模型、CoT、Agent……而Agent之后，下一个必须迈过的台阶就是持续学习。

他的观点是，下一代模型的核心能力，它必须要有持续学习的能力，它才能叫下一代模型。如果先把持续学习做出来，通用智能可能就很容易了。

当一条技术路线同时被图灵奖得主、硅谷最受关注的AI创业公司和中国最具创新力的大模型创始人押注，它就不再是一种技术选择，而是一种行业共识。

风向，已经变了。

而就在所有人盯着硅谷的时候，太平洋这边，一家成立不到一年的中国实验室，在同一条赛道上，悄悄交出了一份让人意外的答卷。

Mind Lab，正式发布Macaron-V1。

Mind Lab成立于2025年10月，是Mindverse（心洲科技）旗下的前沿研究实验室。整个团队三十多人，成员来自xAI、DeepMind、DeepSeek、字节Seed、MIT和清华。年初完成5000万美元A轮融资，美团领投，蚂蚁、红杉中国、真格等跟投。

请注意这个数字：5000万美元，后面还会用到。

748B参数直上强化学习

4个LoRA各管一摊

先看模型。

• Macaron-V1分两个版本：旗舰版Venti，748B参数，由744B的GLM-5.2基座加四个1B的LoRA组成，原生2M超长上下文；
• 标准版Tall，35B，基于Qwen-3.6后训练，Mac上就能跑。

但关键不在参数——在那4个LoRA。

过去，LoRA是全参微调的「穷人版替身」。省钱，但打折。

Mind Lab把它重新定义了：基座模型是「共性」，LoRA是「个性」。

什么意思？就像所有iPhone用的都是同一个iOS系统，但你装的App、你的输入法习惯、你的高频操作，让你的iPhone变成了「你的iPhone」。

聊天要自然共情，编程要严格精确，Agent要多步规划，生成式UI要设计交互——挤在一套参数里训练，它们会互相打架。

Macaron-V1的做法简单粗暴：拆。

四个独立LoRA，分管聊天、Agent、编程、GenUI，各自训练、各自评测、各自回滚。

运行时路由器动态切换——你说「帮我排日程」，走Agent LoRA；你说「这段代码有bug」，切Coding LoRA。对用户完全透明。

这套架构有个正式名字：Mixture-of-LoRA（MoL）——不同能力在共享基座之上独立训练、灵活组合、按需调用。不是把一个模型逼成全才，而是让一群专才协同作战。

效果上，Macaron-V1还没有在所有能力上做到最强闭源模型的水平。但在整套评测中，它已经能在多数任务上打平甚至超越Opus 4.8、GPT-5.5和Gemini 3.1 Pro——尤其在生活场景、代码能力和生成式UI方向表现突出。

SWE-bench Verified——业内公认最硬的代码能力评测之一，Macaron-V1-Venti以85.6分登顶第一，甩开第二名3分，把DeepSeek-V4-Pro（80.6）、MiniMax-M3（80.5）、Kimi-K2.6（80.2）全部压在身后。

更狠的是Deep-SWE，专测长程复杂软件工程任务。Macaron-V1-Venti拿下58.4分，第二名是它的基座模型GLM-5.2——46.2分。同一个底座，经过LoRA强化学习后训练，直接高出12个点。 这就是后训练能带来的增量价值。

更关键的是：开放权重，可私有化部署。 闭源模型再强，数据得过别人的服务器。Macaron-V1让你把模型搬回自己家里，数据一个字节都不用交出去。

Andrew在WAIC演讲时秀了一个案例：用户拍一张打乱的魔方照片发过去，模型识别状态、算法求解、生成可交互的3D还原指南——这需要视觉理解、算法、Agent工具调用和GenUI四种能力联动。

还有一个容易被忽略但极其硬核的设计：Model和Harness共设计。

什么意思？大多数模型训练和实际部署是两套环境——训练时用的工具接口、执行流程，和上线后的真实环境对不上，性能打折。

Macaron-V1从一开始就让模型和生产环境的Harness一起训练、一起优化，训练时怎么调用工具、怎么操作终端、怎么跑长程任务，上线后一模一样。

配套的REPL Harness让模型可以通过代码组合工具、保存中间状态、复用有效流程——不用每次从头来，减少重复调用和上下文浪费。

一句话：这不是一个只会聊天的模型，这是一个能办事的智能体。

为什么它是「全球唯二」？

你可能会说：LoRA微调有什么了不起的？满大街都是。

了不起的地方在两个字：规模。

30B模型做LoRA强化学习，很多团队能做。但参数量上到万亿级别，难度指数级上升。

核心难点叫训推不一致。强化学习要一边训练一边推理收集反馈，当万亿参数的MoE模型被切片分布到几十张GPU上，训练精度和推理精度稍有偏差，梯度就会漂移，训练曲线直接不收敛。

打个比方：30人的室内乐团合奏，音准差一点还能兜住。换成百人交响乐团，任何一把乐器走调，整场就是灾难。

全球能在万亿参数规模上跑通LoRA强化学习的团队，只有两家。

一家是Mira Murati的Thinking Machines Lab。一家是Mind Lab。

没有第三家。

2025年12月，Mind Lab在Kimi K2——总参1.04万亿的超大稀疏MoE模型——上跑通了LoRA强化学习。算力只有全参微调的十分之一，训练曲线稳定收敛。

本月的LongStraw，又在固定GPU算力下把强化学习后训练推进到2M上下文。Macaron-V1，就是这些积累的一次集中亮相。

这条路线不止Mind Lab在走。TML首席科学家John Schulman——OpenAI联合创始人、PPO算法发明者——2025年发表了《LoRA without Regret》，实验证明LoRA在大多数后训练场景下，性能与全量微调完全一致。他管这叫「低遗憾区间」。

行业也在用真金白银投票。上周完成15亿美元D轮的Fireworks AI，估值175亿美元，能托管数百个LoRA；Together AI完成8亿美元C轮，已把LoRA设为默认微调方式。

硅谷花20亿做底座，它花十分之一站在巨人肩上

这里有一个非常有意思的对比。

Mind Lab和TML走的是同一条技术路线，但底座策略截然相反。

TML因为种种原因，选择自己从零训基座。Inkling，975B参数，45万亿token——但Murati自己也公开承认：「这不是目前最强的模型。」

评测显示，Inkling明显弱于GLM、Kimi等中国开源模型。从零做底座，让他们消耗了大量精力和算力。

Mind Lab反着来。它不自己训底座，直接站在中国开源模型生态的肩膀上。

Kimi K2验证万亿参数LoRA RL、V1-Preview基于GLM-5.1、正式版Venti用GLM-5.2、Tall用Qwen-3.7——每次基座升级，后训练的起跑线就高一层。

中国开源模型已经卷到了全球接近SOTA的水平。拿这些接近天花板的底座，再通过LoRA强化学习把关键能力推到真正SOTA。

你不必自己种麦子，就能烤出最好的面包。

对比多残酷？

TML：20亿美元融资、100人团队、英伟达千兆瓦级算力合作——Inkling能力仍落后于GLM-5.2。

Mind Lab：三十多人、不到5000万美元融资——Chat、Agent、Coding等多个维度做出了更强的模型。

在LoRA强化学习这件事上，Mind Lab可能是全球投入产出比最高的团队。没有之一。

持续学习：凭什么模型越用越聪明？

讲完技术和对比，到了最核心的问题：Mind Lab到底在下什么棋？

答案藏在Richard Sutton和AlphaGo前首席研究员David Silver联合发表的一篇文章标题里——Welcome to the Era of Experience。

预训练是「数据时代」：模型从人类已有的文本中学习。

下一个时代是「经验时代」：AI的能力不再来自已有数据，而来自智能体在真实环境中的长期行动、反馈与持续学习。

今天大模型的根本矛盾就在这里——训完了就冻住了。

一个用户纠正了同一个错误十次，下次模型还得重读聊天记录。一个Coding Agent在同一个代码库反复失败，失败不会变成新能力。模型每天处理海量任务，但经验全部流失了。

它只是一台无限重复的推理引擎，不是一个在成长的智能体。

Mind Lab要做的，就是打破这个死循环。他们的目标是造一台「经验智能机器」——模型离开实验室后，仍然在真实世界里持续学习。

经验变成新能力，新能力让它解决更难的问题，更难的问题又带来更丰富的经验。

智能不再是一次训练的结果，而成为持续生长的过程。

LoRA在这里不再是「省钱工具」，而是一种可写入、可回滚、可独立演化的持久状态。

基座承载通用知识，LoRA承载你的偏好、你的代码风格、你的业务逻辑。不是静态补丁，是随交互成长的记忆。

实验证明，轻量适配模块压缩到基模参数的0.5%以下，仍然稳定可靠——基座越强，小规模更新反而越有效。

这条路Mind Lab走了三年。2023年，创始人Andrew与GPT-1作者Karthik Narasimhan、姚顺雨合作发表了FireAct——第一篇用参数学习提升Agent能力的工作。Agent轨迹写入参数后，单次执行从9.0秒降到2.7秒。

为学习付一次成本，之后每次使用都是回报。 从FireAct到Macaron-V1，这个逻辑被放大到了万亿参数的尺度。

群体智能：第三条Scaling曲线

持续学习只是故事的一半。Macaron-V1体现的第二个核心理念，可能更颠覆——群体智能。

每个模型沿着自身经历持续学习，不同实例就会走向不同方向。不同用户反馈、不同任务、不同数据，塑造出不同能力。同一个基座出发，时间长了会长成「不同的人」。

这种多样性，是bug还是feature？实验结果很炸。

从相同的Qwen3-30B基座出发，训练目标和算法完全一致，只改变数据顺序和masking。

单个adapter在AIME24上准确率：36.44%。198个不同adapter做多数投票：48.67%。同一个adapter重复采样198次，最高只有：43.78%。

不同的「经历」，带来了单个模型给不出的互补性。这不是「多试几次」——而是多样化学习路径之间产生了真正的协作效应。

Andrew在WAIC把这叫做第三条Scaling曲线。

• 第一条：GPT-3式的Scale Parameters——更大的参数带来更高智能。
• 第二条：DeepSeek R1式的Scale Thinking Tokens——更多推理token带来更高智能。
• 第三条：Scale Number of Models——更多模型之间的协作带来更高智能上限。

实验中，模型数量从几个增到200个，在对数坐标轴上性能线性提升。如果曲线成立，下一步是从200推到2万、200万。

Mind Lab自研的MinT平台已经建立了百万级可寻址LoRA目录。100万个LoRA共享同一个万亿参数基座。

注意——这不是100万个小模型，是100万个一万亿参数的大模型。

人与人共享99%以上的基因组，但几乎相同的生物基础没有造就相同的心智。正是智能的多样性及其协作，带来了人类文明最伟大的成就。

2周1000万美金ARR：最快商业化验证

技术路线再漂亮，市场不买单就只是PPT。Mind Lab 7月初开放API商业化。

结果2周，1000万美金ARR。

这很可能是所有模型公司从第一个模型发布开始，最快实现千万美金ARR的记录。

数字重要，但更重要的是速度。一条技术路线能被客户这么快用真金白银投票，说明它解决的是真问题、痛问题。

Mind Lab卖的不只是Token。它的核心商业逻辑是：客户买到的是模型在自身场景中持续学习和迭代的能力。

手机厂商把产品知识训进专属LoRA，耳机公司把交互偏好写入模型状态——核心数据不必交给基模公司重训，客户自己掌握控制权。

韶音科技、AI硬件初创Odyss、某头部手机厂商，已经在合作名单上。

API调用结构也说明问题：20%聊天，30%Agent工作流，30%代码生成，剩余来自GenUI——场景分布均衡，不是靠单一爆款撑起来的虚假繁荣。

旗舰版6美元/百万token，标准版4美元，极速版2美元。

Mind Lab给出的愿景只有一句话：会用Token，就能训Token。

训练模型这件事，最终要像调用模型一样简单。不需要大量售前，不需要定制人力。持续学习本身，就是可规模化的模型能力。

题门推开了

Richard Sutton在多伦多喊出「经验时代」。梁文锋认为必须有持续学习能力，才能叫下一代模型。Mira Murati在旧金山搭万亿参数LoRA强化学习基础设施。Fireworks AI估值175亿美元。

所有人都押同一个方向：模型应该在部署后继续学习。LoRA是让这件事在万亿参数尺度上可行的关键技术。

Mind Lab是这条赛道上最年轻的选手。但起跑姿态可能最高效——不做底座，站在中国开源生态上，三十多人和不到5000万美元融资，做到了和硅谷百亿级团队同一水位的技术能力。

这背后是一个简单但深刻的判断：

大模型竞争的终局，不在「谁训出最大的底座」，而在「谁能让模型持续变聪明」。

预训练是一次性的基建。持续学习，才是真正的护城河。

Mind Lab想造的，是一台经验智能机器——模型离开实验室之后，仍然在真实世界里持续学习，越用越聪明。当足够多这样的智能开始协作，一条通向更高智能的新路线就会打开。

Murati用20亿美元和100人的团队在旧金山推这扇门。

而先把门推开一条缝的，是太平洋这头，一家站在中国开源生态肩膀上的年轻实验室。

文章来自于"新智元"，作者 "所罗门"。