Ipinakilala ng Mind Lab ang Macaron-V1 model, na gumagamit ng 748B parameters kasama ang 4 independent LoRA sa isang Mixture-of-LoRA architecture, at nakamit ang pinakamataas na marka na 85.6 sa SWE-bench Verified evaluation para sa code capability. Ang Chinese lab na ito, na itinatag nang higit sa isang taon lamang, ay nakamit ang antas ng teknolohiya na katumbas ng mga team sa Silicon Valley na may $2 bilyon na pondo gamit ang $50 milyon na pondo. Ang kanilang LoRA reinforcement learning approach ay sinuportahan ng mga lider sa industriya tulad ng Turing Award winner na si Richard Sutton at si Liang Wenheng mula sa DeepSeek. Parehong ipinakilala ng Mind Lab ang mga konsepto ng “continuous learning” at “collective intelligence,” na nagsasabi na ang model ay patuloy na makakalikha at makakasama sa tunay na mga kapaligiran kahit na nasa labas ng laboratoryo. Sa loob lamang ng dalawang linggo ng komersyalisasyon, nakamit na nila ang $10 milyon na ARR, na nagpapatotoo na ang kanilang teknolohiya ay nakakasagot sa tunay na mga problema.

May-akda ng artikulo, pinagkukunan: Xinzhisheng

Noong nakaraang linggo, ang buong AI community ay nag-uusap tungkol sa isang bagay, ngunit ang karamihan ay nakikita lang ang kalahati.

Iyong Hulyo 15, inilabas ni Mira Murati, dating CTO ng OpenAI, ang unang modelo ng Thinking Machines Lab na Inkling sa San Francisco.

2 bilyong dolyar na pagsasakop, 975B na parameter, 100-kataong elite team—ang pinakamalaking AI startup sa Silicon Valley, ay naglunsad na.

Sa halos parehong araw, si Richard Sutton, ang ama ng reinforcement learning at tagapagwagi ng Turing Award noong 2024, na malapit na sa pitong pung taon, ay nag-anunsyo ng pagtatatag ng Oak Lab.

Ang orihinal na pahayag ng lolo ay: "Ang kasalukuyang mga paraan ng deep learning ay mahina at hindi epektibo; hindi kailangan ng pagpapabuti, kundi pagmumula muli sa mga ugat."

Hindi lang si Sutton ang nagsasabi nito. Binigay ng founder ng DeepSeek, Liang Wenhong, ang parehong pagtataya.

Isinariling niya ang pag-unlad ng AI bilang mga hakbang: language model, CoT, Agent... at pagkatapos ng Agent, ang susunod na hakbang na kailangang laktawan ay ang patuloy na pagkatuto.

Ang kanyang pananaw ay na ang pangunahing kakayahan ng susunod na henerasyon ng modelo ay ang kakayahang mag-aral nang tuloy-tuloy; kung mayroon ito, tawagin ito bilang susunod na henerasyon ng modelo. Kung mabubuo muna ang tuloy-tuloy na pag-aaral, maaaring madali na ang pangkalahatang inteligensya.

Kapag isang teknikal na direksyon ay sinuportahan ng mga tagapagwagi ng Turing Award, ang pinakamalaking AI startup sa Silicon Valley, at ang mga tagapagtatag ng pinakamalikhaing malalaking modelo sa China, hindi na ito isang teknikal na pagpili—kundi isang pagsang-ayon sa industriya.

Ang hangin ay nagbago na.

Samantalang ang lahat ay nakatitingin sa Silicon Valley, sa kabilang panig ng Pacific, isang Chinese lab na mayroon lamang ilang buwan sa pagkakatatag, ay nagsumite ng isang hindi inaasahang sagot sa parehong track.

Mind Lab, opisyal na ipinakilala ang Macaron-V1.

Itinataguyod noong Oktubre 2025 ang Mind Lab, isang advanced research lab sa ilalim ng Mindverse. Ang buong tim ay binubuo ng higit sa tatlumpu’t isang miyembro mula sa xAI, DeepMind, DeepSeek, ByteDance Seed, MIT, at Tsinghua. Nakumpleto ang A-round funding na $50 milyon noong unang bahagi ng taon, na pinamunuan ng Meituan, kasunod ng Ant Group, Sequoia Capital China, ZhenFund, at iba pa.

Paalala sa numero na ito: $50 juta, gagamitin pa ito sa susunod.

748B parameters, direct reinforcement learning

4 ang LoRA, bawat isa ay may sariling gawain

Tingnan muna ang modelo.

May dalawang bersyon ang Macaron-V1:

• Venti Elite, 748B parameter, binubuo ng 744B na GLM-5.2 base at apat na 1B na LoRA, native na 2M long context;
• Standard Edition Tall, 35B, fine-tuned based on Qwen-3.7, pwede nang i-run sa Mac.

Ngunit ang pangunahin ay hindi ang parameter—kundi ang mga 4 na LoRA.

Noong nakaraan, ang LoRA ay ang «mura bersyon» ng full-parameter fine-tuning. Nag-save ng pera, ngunit may discount.

Ipinagkakaroon ng bagong kahulugan ng Mind Lab: ang base model ay ang “kakanyahan,” habang ang LoRA ay ang “pagkakakilanlan.”

Ano ang ibig sabihin nito? Tulad ng lahat ng iPhone na gumagamit ng parehong iOS system, ngunit ang mga app na iyong i-install, ang iyong mga pagkakasunod-sunod sa pag-input, at ang iyong mga karaniwang pagkilos, ang nagiging dahilan kung bakit ang iyong iPhone ay naging «ang iyong iPhone».

Ang pag-uusap ay dapat natural at may empatiya, ang pag-program ay dapat mahigpit at eksakto, ang Agent ay dapat may marami hakbang na plano, ang generative UI ay dapat disenyo ang interaksyon—ang pagtrato sa lahat ng ito sa isang set ng parameter ay magdudulot ng pagkakaiba-iba.

Ang paraan ng Macaron-V1 ay simpleng direktang hiwa.

Apat na magkakaibang LoRA, na may mga responsibilidad sa usapan, Agent, pag-program, at GenUI, bawat isa ay natututo, pinapahalagahan, at binabawi nang hihiwalay.

Dinamikong pagpapalit ng router sa pagpapatakbo—kapag sinabi mo, “Tulongan mo akong ayusin ang aking jadwal,” gamitin ang Agent LoRA; kapag sinabi mo, “May bug ang code na ito,” i-switch sa Coding LoRA. Buong transparente sa user.

Mayroon itong opisyal na pangalan: Mixture-of-LoRA (MoL) — iba’t ibang kakayahan ay hiwalay na tinuturuan sa ibabaw ng isang karaniwang base, maaaring maluwag na pinagsasama, at tinatawag ayon sa pangangailangan. Hindi ito pagsusubok na gawing maramihang talino ang isang modelo, kundi pagpapagana ng isang grupo ng mga espesyalista upang magtrabaho nang sama-sama.

Sa pagtataya, ang Macaron-V1 ay hindi pa nasa antas ng pinakamalakas na proprietary model sa lahat ng kakayahan. Gayunpaman, sa buong hanay ng pagtataya, nakakamit na nito ang pagkakapareho o paglilipas sa Opus 4.8, GPT-5.5, at Gemini 3.1 Pro sa karamihan ng mga gawain—lalo na sa mga sitwasyon sa araw-araw, kakayahan sa code, at direksyon ng generative UI.

SWE-bench Verified—isa sa pinakamalakas na pagsusuri ng kakayahan sa pag-code na kilala sa industriya, nakamit ng Macaron-V1-Venti ang unang lugar sa 85.6 puntos, na nagsisilbing 3 puntos ang pagkakaiba sa ikalawang lugar, at pinahihintulutan ang DeepSeek-V4-Pro (80.6), MiniMax-M3 (80.5), at Kimi-K2.6 (80.2).

Mas malakas pa ang Deep-SWE, na espesyal na sinusubok ang mga kumplikadong gawain sa software engineering na may mahabang saklaw. Nakakuha ang Macaron-V1-Venti ng 58.4 puntos, habang ang pangalawang lugar ay ang base na modelo nito, GLM-5.2—46.2 puntos. Iisang base, pagkatapos ay pinalakas sa pamamagitan ng LoRA reinforcement learning, direkta na mas mataas ng 12 puntos. Ito ang karagdagang halaga na maaaring dala ng post-training.

Mas mahalaga pa: bukas ang weights, maaaring i-deploy sa sariling server. Anumang lakas ng closed-source model, ang data ay dapat pumasa sa server ng iba. Ang Macaron-V1 ay nagpapahintulot sa iyo na i-move ang model sa sarili mong tahanan, hindi kailangang ibigay ang isang byte ng data.

Noong magbigay ng talumpati si Andrew sa WAIC, ipinakita niya ang isang kaso: ang isang user ay nagpapadala ng larawan ng isang pinagkakalat na Rubik’s Cube, at ang modelo ay nakakakilala ng estado, naglutas gamit ang algoritmo, at nagbuo ng isang interaktibong 3D gabay para sa pagpapabalik nito—nangangailangan ito ng pagkakasundo ng apat na kakayahan: pag-unawa sa biswal, algoritmo, pagtawag sa mga kasangkapan ng Agent, at GenUI.

Isang madalas na nakakalimutan ngunit napakahirap na disenyo: ang Model at Harness ay isinagawa nang sabay.

Ano ang ibig sabihin nito? Ang karamihan sa pag-train ng mga model at real-world deployment ay dalawang magkakaibang kapaligiran—ang mga tool interface at proseso na ginagamit sa pag-train ay hindi tumutugma sa totoong kapaligiran pagkatapos ng paglunsad, kaya bumababa ang performance.

Ang Macaron-V1 ay nagtatrain at nag-o-optimize ng model at ang Harness sa production environment mula sa simula—paano gamitin ang mga tool, paano i-operate ang terminal, at paano i-run ang mga mahabang task sa pagtatrain, pareho ang gawin pagkatapos i-deploy.

Ang kasunod na REPL Harness ay nagpapahintulot sa modelo na mag-combine ng mga kasangkapan sa pamamagitan ng code, mag-save ng intermediate state, at muling gamitin ang epektibong proseso—hindi na kailangang magsimula mula sa simula, at nakakabawas sa paulit-ulit na pagtawag at pagkalimot ng konteksto.

Hindi ito isang model na nagpapakausap lang, ito ay isang intelligent agent na kayang gumawa ng mga gawain.

Bakit ito ang “tanging dalawa sa buong mundo”?

Maaari mong sabihin: Ano na ang special ng LoRA fine-tuning? Marami na ito sa paligid.

Ang kahusayan ay nasa dalawang salita: sukat.

Ang paggawa ng LoRA reinforcement learning sa 30B model ay kayang gawin ng maraming team. Ngunit kapag tumataas ang bilang ng parameter patungo sa trilyon, tumataas nang eksponensyal ang pagkakahirapan.

Ang pangunahing hamon ay ang pagkakaiba sa pagitan ng pagtuturo at pagpapatakbo. Dapat ang reinforcement learning na magtratrabaho habang tinuturuan at pinapatakbo ang pagkuha ng feedback; kapag ang MoE model na may trilyon-tutumbok na parameter ay hinati at ipinapalaganap sa ilang dekada ng GPU, kahit anumang maliit na pagkakaiba sa pagitan ng precision sa pagtuturo at pagpapatakbo ay magdudulot ng paglipat ng gradient, at diretso ang kurba ng pagtuturo na hindi makakapag-converge.

Halimbawa: Sa isang indoor orchestra na may 30 miyembro, maaari pa ring iwasan ang pagkakamali sa tuning. Ngunit kapag ito ay isang symphonic orchestra na may 100 miyembro, anumang pagkakamali sa tuning ng anumang instrumento ay magiging kalamangan.

Ang mga team na maaaring i-run ang LoRA reinforcement learning sa scale ng trilyon na parameter ay dalawa lamang sa buong mundo.

Isang isa ay ang Thinking Machines Lab ni Mira Murati. Isang isa ay ang Mind Lab.

Wala pang ikatlo.

Noong Disyembre 2025, nagsagawa ng LoRA reinforcement learning si Mind Lab sa Kimi K2—ang napakalaking稀疏 MoE model na may kabuuang parametric capacity na 1.04 trilyon—na may kahusayan na lamang sampung porsyento ng computing power na kailangan ng full-parameter fine-tuning, at ang training curve ay nakakamit ng matatag na convergence.

Ang LongStraw ng buwan na ito ay nagpalawak pa sa pagtuturo ng reinforcement learning hanggang sa 2M context sa parehong fixed GPU compute. Ang Macaron-V1 ay ang pagsasama-samang pagpapakita ng lahat ng mga akumuladong pag-unlad na ito.

Hindi lang ni Mind Lab ang pinapagana ng ruta na ito. Si John Schulman, pangunahing siyentipiko ng TML, tagapagtatag ng OpenAI at tagalikha ng algoritmo ng PPO, ay naglabas noong 2025 ang “LoRA without Regret”, kung saan ipinakita ng mga eksperimento na ang LoRA ay may parehong performance sa karamihan ng mga post-training scenario kaysa sa full fine-tuning. Tinawag niya ito bilang “low regret zone”.

Ang industriya ay nagbibigay din ng totoong pera sa boto. Ang Fireworks AI, na nagtapos ng D-round na $1.5 bilyon noong nakaraang linggo, ay may halaga na $17.5 bilyon at kayang mag-host ng maraming LoRA; ang Together AI naman ay nagtapos ng C-round na $800 milyon at nagsagawa na ng LoRA bilang default na paraan ng fine-tuning.

Ginastos ng Silicon Valley ang $2 bilyon para sa base, samantalang ito ay gumamit ng isang-puung porsyento upang magsilbi bilang tagapag-angat sa mga bantayog.

Mayroong isang napakagandang paghahambing dito.

Ang Mind Lab at TML ay sumusunod sa parehong teknikal na landas, ngunit ang kanilang pagsasakatuparan ay magkaiba.

Dahil sa iba't ibang dahilan, pumili ang TML na magtrabaho mula sa zero upang pagsanay ang base model. Inkling, 975B na parameter, 45 trilyon na token—ngunit tinanggap naman ni Murati mismo: 'Hindi ito ang pinakamalakas na model sa kasalukuyan.'

Ang pagtataya ay nagpapakita na ang Inkling ay malinaw na mas mahina kaysa sa mga Chinese open-source model tulad ng GLM at Kimi. Ang paggawa sa zero bilang base ay nag消耗 ng malaking dami ng enerhiya at computing power sa kanila.

Ang Mind Lab ay kabaligtaran. Hindi ito nagtatrabaho sa sariling base, kundi tumatayo sa balikat ng Chinese open-source model ecosystem.

Ang Kimi K2 ay nagpapatotoo sa LoRA RL na may trilyon na parameter, ang V1-Preview ay batay sa GLM-5.1, ang opisyal na bersyon na Venti ay gumagamit ng GLM-5.2, at ang Tall ay gumagamit ng Qwen-3.7—bawat pag-upgrade sa base model, mas mataas ang starting line ng post-training.

Ang mga open-source na modelong Tsino ay nasa antas na malapit na sa SOTA sa buong mundo. Gamit ang mga base na malapit na sa ceiling, pahalain pa ang mga kritikal na kakayahan sa totoong SOTA sa pamamagitan ng LoRA reinforcement learning.

Hindi mo kailangang magtanim ng trigo upang makapagluto ng pinakamahusay na tinapay.

Gaano karami ang pagkakaiba?

TML: 2 bilyong dolyar ang pagsasamantala, 100-kataong tim, kooperasyon sa compute power na kilowatt ng NVIDIA—ang kakayahan ng Inkling ay mas mababa pa sa GLM-5.2.

Mind Lab: Tatlumpu’t isang tao, higit sa $50 milyon ang pondo—nabuo ang mas malakas na modelo sa maraming aspeto tulad ng Chat, Agent, at Coding.

Sa paggawa ng LoRA reinforcement learning, ang Mind Lab ay posibleng ang pinakamataas na return on investment na team sa buong mundo. Walang iba.

Patuloy na pag-aaral: Bakit mas matalino ang model habang mas ginagamit ito?

Pagkatapos ng pagtalakay sa teknolohiya at paghahambing, narito ang pinakamahalagang tanong: Ano ba talaga ang plano ni Mind Lab?

Ang sagot ay nakatago sa pamagat ng artikulong isinulat ni Richard Sutton at si David Silver, ang dating pangunahing researcher ng AlphaGo—Welcome to the Era of Experience.

Ang pre-training ay ang "Panahon ng Data": natututo ang modelo mula sa mga teksto na mayroon na ang tao.

Ang susunod na panahon ay ang "Panahon ng Karanasan": Ang kakayahan ng AI ay hindi na galing sa mga umiiral na data, kundi mula sa matagalang pagkilos, feedback, at patuloy na pagkatuto ng mga agent sa tunay na kaligiran.

Dito ang pangunahang kontradiksyon ng malalaking modelo ngayon—napapahinga agad pagkatapos ng pagtuturo.

Isang user ay nag-correct ng iisang error nang sampung beses, at sa susunod ay kailangan muli ng model na basahin ang buong transcript ng usapan. Isang Coding Agent ay nagkakaroon ng paulit-ulit na pagkabigo sa iisang codebase, at ang pagkabigo ay hindi nagiging bagong kakayahan. Ang model ay nagproseso ng malaking bilang ng mga gawain araw-araw, ngunit ang lahat ng karanasan ay nawawala.

Ito ay isang walang hanggang pag-uulit ng inference engine, hindi isang umuunlad na agent.

Ang layunin ng Mind Lab ay putulin ang ganitong siklo. Ang kanilang hangarin ay gumawa ng isang “machine ng ekspriyensiya” — isang modelo na patuloy na natututo sa totoong mundo kahit na umalis na sa laboratorio.

Ang karanasan ay nagiging bagong kakayahan, at ang bagong kakayahan ay nagpapalutas ng mas mahihirap na mga problema, na nagsisilbing magdala ng mas mayaman na karanasan.

Ang智能化 ay hindi isang resulta ng isang pagtatapos, kundi isang patuloy na proseso ng paglago.

Hindi na ang LoRA dito isang “tool para mag-save ng pera,” kundi isang persistent state na maaaring isulat, i-rollback, at mag-isa na umunlad.

Ang base ay nagdudulot ng pangkalahatang kaalaman, habang ang LoRA ay nagdadala ng iyong mga preferensya, istilo sa pagsusulat ng code, at iyong mga lohika sa negosyo. Hindi ito isang static na patch, kundi isang alaala na lumalago kasabay ng interaksyon.

Ang mga eksperimento ay nagpapatotoo na ang lightweight adaptation module ay maaaring i-compress sa mas mababa sa 0.5% ng base model parameters at nananatiling stable at reliable—mas malakas ang base model, mas epektibo ang maliliit na pag-update.

Tinakbo ng Mind Lab ang daan na ito sa loob ng tatlong taon. Noong 2023, kasama ni Andrew ang may-akda ng GPT-1 na si Karthik Narasimhan at Yao Shunyu upang mag-publish ng FireAct—ang unang pag-aaral na gumagamit ng parameter learning upang mapabuti ang kakayahan ng Agent. Pagkatapos isulat ang agent trajectory sa mga parameter, bumaba ang isang pagpapatakbo mula sa 9.0 segundo hanggang 2.7 segundo.

Isang bayad lamang ang kailangan para sa pag-aaral, at ang bawat paggamit ay nagdadala ng return. Mula sa FireAct hanggang sa Macaron-V1, ang lohikang ito ay pinakalaki sa sukat ng trilyon na parameter.

Pangkat na inteligensya: Ikatlong Scaling curve

Ang patuloy na pag-aaral ay kalahati lang ng kuwento. Ang pangalawang pangunahin na prinsipyo na ipinapakita ng Macaron-V1, posibleng mas makapagbabago—ay ang inteligensya ng grupo.

Patuloy na natututo ang bawat modelo batay sa sariling karanasan, kaya nagkakaroon ng iba’t ibang direksyon ang bawat halimbawa. Iba’t ibang feedback ng user, iba’t ibang task, at iba’t ibang data ang nagpapabuo ng iba’t ibang kakayahan. Mula sa iisang base, matagal nang nagiging “iba’t ibang tao”.

Ano ba ito, bug o feature? Ang mga resulta ng eksperimento ay napakasarap.

Mula sa parehong base na Qwen3-30B, ang mga layunin at algoritmo sa pagtuturo ay magkakatulad, tanging ang pagkakasunod-sunod ng data at masking ang binago.

Tama sa isang adapter sa AIME24: 36.44%. 198 iba’t ibang adapter na may majority vote: 48.67%. Pag-uulit ng iisang adapter 198 beses, pinakamataas na resulta: 43.78%.

Ang iba't ibang "karanasan" ay nagdala ng komplementaridad na hindi kayang ibigay ng isang modelo lamang. Ito ay hindi "pagsubok nang maraming beses"—kundi ang tunay na kolaboratibong epekto na nagmumula sa pagkakaiba-iba ng mga landas ng pagkatuto.

Tinawag ni Andrew ang nito bilang ikatlong scaling curve sa WAIC.

Unang patakaran: Scale Parameters sa estilo ng GPT-3—mas malaking parameter ay nagdadala ng mas mataas na inteligensya.

Ikalawang patakaran: DeepSeek R1-style Scale Thinking Tokens—higit pang reasoning token ay nagdadala ng mas mataas na智能化.

Ikatlong patakaran: Iskala ng Bilang ng Mga Model—ang mas maraming pagtutulungan sa pagitan ng mga model ay nagdadala ng mas mataas na hangganan ng inteligensya.

Sa eksperimento, tumataas ang bilang ng mga modelo mula sa ilan hanggang 200, at ang performance ay umuunlad nang linyar sa log scale. Kung ang kurba ay tama, ang susunod na hakbang ay ipagpalawig mula sa 200 patungo sa 20,000 at 2,000,000.

Ang MinT platform na inimbento ng Mind Lab ay nagtatag ng isang directory ng LoRA na may milyon-milyon na ma-access. Ang 1 milyong LoRA ay nagbabahagi ng isang base na may trilyon na parameter.

Babala—hindi ito 1 milyong maliit na modelo, kundi 1 milyong malaking modelo na may 1 trilyon na parameter.

Hindi nagiging magkatulad ang isipan kahit na 99% o higit pa ang pagkakatulad ng genome sa pagitan ng mga tao. Ito ay ang diversidad ng isipan at ang kanilang pakikipagtulungan ang nagdala sa pinakamalaking tagumpay ng sibilisasyong tao.

2 linggo, $10 milyon ARR: Pinakamabilis na pagpapatotoo sa komersyalisasyon

Kahit gaano pa kalakas ang teknikal na landas, kung hindi ito binibili ng merkado, ito ay puro PPT lamang. Buksan ng Mind Lab ang API para sa komersyal sa unang bahagi ng Hulyo.

Result: 2 linggo, $10M ARR.

Ito ay posibleng pinakamabilis na rekord ng anumang model company mula pa noong unang paglalabas ng model, na nakamit ang $10 milyon na ARR.

Mahalaga ang mga numero, ngunit mas mahalaga ang bilis. Ang pagkakaroon ng isang teknikal na ruta na agad na binoto ng mga customer gamit ang totoong pera ay nagpapakita na ito ay naglulutas ng totoong problema at malalaking problema.

Hindi lang ang Token ang ibinebenta ng Mind Lab. Ang pangunahing negosyo nito ay: ang mga customer ay bumibili ng kakayahang mag-aral at mag-iterasyon ang modelo sa kanilang sariling escenario.

Ang mga tagagawa ng mobile phone ay tinuturo ang kanilang kaalaman sa produkto sa kanilang sariling LoRA, habang ang mga kumpanya ng headphone ay isinusulat ang kanilang mga pagkakapreferensya sa interaksyon sa estado ng modelo—hindi kailangang ibigay ang pangunahing data sa mga kumpanya ng base model para sa pagrere-train, at ang mga customer ang may kontrol.

Ang Shaoyin Technology, ang AI hardware startup na Odyss, at isang pangunahing manufacturer ng cellphone ay nasa listahan ng mga kakilala.

Ang istruktura ng API call ay nagpapakita rin ng problema: 20% chat, 30% agent workflow, 30% code generation, at ang natitira ay mula sa GenUI—ang pagkakahati-hati ng mga senaryo ay balanse, hindi nagmumula sa isang pana-panahong bida na nagdudulot ng pekeng pag-unlad.

Premium edition: $6/million tokens, Standard edition: $4, Ultra edition: $2.

Ang misyon na ibinigay ng Mind Lab ay isang pangungusap lamang: Kung kayang gamitin ang Token, kayang trinahan ang Token.

Ang pag-train ng model ay dapat magiging simpleng pag-call ng model. Walang kailangang malaking pre-sale, walang kailangang custom na manpower. Ang patuloy na pag-aaral mismo ay isang scalable na kakayahan ng model.

Nakabukas ang pinto

Si Richard Sutton ay nagpahayag ng "Panahon ng Karanasan" sa Toronto. Si Liang Wenfeng ay naniniwala na kailangan ng patuloy na kakayahan sa pag-aaral upang tawagin ang susunod na henerasyon ng modelo. Si Mira Murati ay nagtatayo ng infrastruktura para sa pag-aaral ng pagpapalakas na LoRA na may trilyon na parameter sa San Francisco. Ang halaga ng Fireworks AI ay $17.5 bilyon.

Lahat ay nagtaya sa iisang direksyon: Dapat patuloy na matutunan ng modelo pagkatapos ng deployment. Ang LoRA ay ang pangunahing teknolohiya na nagagawa ang paggawa nito sa iskala ng trilyon na parameter.

Ang Mind Lab ay ang pinakabata sa larangan na ito. Ngunit ang kanilang panimulang posisyon ay maaaring pinakaepektibo—hindi gumagamit ng base, nakatayo sa Chinese open-source ecosystem, at sa pamamagitan ng tatlong dosenang tao at higit sa $50 milyon na pondo, nakamit nila ang parehong antas ng teknikal na kakayahan na mga timbang na team sa Silicon Valley.

Isang simplengunit malalim na pagtataya ang nasa likod nito:

Ang huling punto ng kompetisyon sa malalaking modelo ay hindi sa “sino ang nagtratrain ng pinakamalaking base”, kundi sa “sino ang makakapagpabuti ng modelo nang patuloy”.

Ang pre-training ay isang isang-time na infrastruktura. Ang patuloy na pagkatuto ang tunay na palisada.

Gusto ng Mind Lab na gumawa ng isang machine na may karanasang intelihensya—ang modelo ay patuloy na natututo sa totoong mundo kahit na naiwan na sa laboratorio, at mas matalino ito habang mas marami itong ginagamit. Kapag sapat na maraming ganitong intelihensya ang nagsasama, buksan ang isang bagong daan patungo sa mas mataas na intelihensya.

Ginamit ni Murati ang $2 bilyon at isang tim na 100 tao sa San Francisco upang ito ay ipaglaban.

Ang unang nagpapalawak ng pinto ng isang maliit na puwang ay ang isang batang laboratorio sa gilid ng Pacific na nakatayo sa balikat ng Chinese open-source ecosystem.