Mind Lab meluncurkan model Macaron-V1, yang menggunakan arsitektur Mixture-of-LoRA dengan 748 miliar parameter dan 4 LoRA independen, mencapai skor 85,6 di evaluasi SWE-bench Verified, menempati peringkat teratas dalam kemampuan coding. Laboratorium Tiongkok yang berdiri kurang dari satu tahun ini mencapai tingkat teknis setara dengan tim senilai 2 miliar dolar AS di Silicon Valley dengan pendanaan 50 juta dolar AS, dengan jalur pembelajaran penguatan LoRA mereka didukung oleh pemimpin industri seperti penerima Hadiah Turing Richard Sutton dan Liang Wenheng dari DeepSeek. Mind Lab juga mengusung konsep "pembelajaran berkelanjutan" dan "kecerdasan kelompok", menyatakan bahwa model tersebut tetap dapat belajar dan berkolaborasi secara terus-menerus di lingkungan nyata setelah meninggalkan laboratorium. Dalam waktu hanya dua minggu sejak komersialisasi, mereka mencapai ARR 10 juta dolar AS, membuktikan bahwa jalur teknologi ini menyelesaikan masalah nyata.

Penulis artikel, sumber: XinZhiYuan

Minggu lalu, komunitas AI membahas satu hal, tetapi kebanyakan orang hanya melihat separuhnya.

Pada 15 Juli, mantan CTO OpenAI, Mira Murati, meluncurkan model pertama Thinking Machines Lab, Inkling, di San Francisco.

Pendanaan senilai 2 miliar dolar AS, 975 miliar parameter, tim elit 100 orang—perusahaan rintisan AI paling diperhatikan di Silicon Valley, akhirnya mengungkapkan kartunya.

Hampir pada hari yang sama, Richard Sutton, bapak pembelajaran penguatan dan penerima Penghargaan Turing 2024, yang hampir tujuh puluh tahun, mengumumkan pendirian Oak Lab.

Ucapan lama itu adalah: "Metode pembelajaran mendalam saat ini rapuh dan tidak efisien; yang dibutuhkan bukan perbaikan seadanya, tetapi memulai ulang dari dasarnya."

Bukan hanya Sutton yang berpikir demikian. Pendiri DeepSeek, Liang Wenhong, memberikan penilaian yang hampir sama.

Dia membandingkan perkembangan AI seperti anak tangga: model bahasa, CoT, Agent... dan setelah Agent, tangga berikutnya yang harus dilalui adalah pembelajaran berkelanjutan.

Pandangannya adalah bahwa kemampuan inti dari model generasi berikutnya harus memiliki kemampuan pembelajaran berkelanjutan, baru bisa disebut model generasi berikutnya. Jika pembelajaran berkelanjutan bisa dibuat terlebih dahulu, kecerdasan umum mungkin akan menjadi sangat mudah.

Ketika sebuah jalur teknis didukung oleh penerima Turing Award, perusahaan rintisan AI paling diperhatikan di Silicon Valley, dan pendiri model besar paling inovatif di Tiongkok, maka hal itu bukan lagi sekadar pilihan teknis, melainkan konsensus industri.

Arah angin sudah berubah.

Sementara semua orang memperhatikan Silicon Valley, di sisi Pasifik, sebuah laboratorium Tiongkok yang berdiri kurang dari satu tahun, di jalur yang sama, secara diam-diam menghadirkan jawaban yang mengejutkan.

Mind Lab, secara resmi meluncurkan Macaron-V1.

Mind Lab didirikan pada Oktober 2025, merupakan laboratorium penelitian mutakhir di bawah Mindverse. Tim ini terdiri dari lebih dari tiga puluh orang, dengan anggota berasal dari xAI, DeepMind, DeepSeek, ByteDance Seed, MIT, dan Tsinghua. Pada awal tahun, mereka menyelesaikan putaran pendanaan Seri A senilai 50 juta dolar AS, dipimpin oleh Meituan, dengan partisipasi dari Ant Group, Sequoia Capital China, ZhenFund, dan lainnya.

Perhatikan angka ini: $50 juta, akan digunakan lagi nanti.

748B parameter direct reinforcement learning

4 LoRA masing-masing mengelola satu bidang

Lihat model terlebih dahulu.

Macaron-V1 memiliki dua versi:

• Venti Pro, 748B parameter, terdiri dari basis GLM-5.2 744B ditambah empat LoRA 1B, dengan konteks panjang asli 2M;
• Tall versi standar, 35B, dilatih ulang berdasarkan Qwen-3.7, bisa dijalankan di Mac.

Tetapi yang penting bukan pada parameter—melainkan pada 4 LoRA tersebut.

Dulu, LoRA adalah versi murah dari fine-tuning seluruh parameter. Hemat biaya, tapi diskon.

Mind Lab mendefinisikan ulang: model dasar adalah 'kesamaan', LoRA adalah 'keunikan'.

Apa artinya? Seperti semua iPhone menggunakan sistem iOS yang sama, tetapi aplikasi yang Anda pasang, kebiasaan keyboard Anda, dan operasi sering Anda lakukan membuat iPhone Anda menjadi "iPhone milik Anda".

Obrolan harus alami dan empatik, pemrograman harus ketat dan tepat, agen harus merencanakan langkah-langkah ganda, UI generatif harus merancang interaksi—mengemas semuanya dalam satu set parameter pelatihan akan membuat mereka saling bertabrakan.

Pendekatan Macaron-V1 sederhana dan langsung: bongkar.

Empat LoRA independen, masing-masing mengelola obrolan, Agent, pemrograman, dan GenUI, dilatih secara terpisah, dievaluasi secara terpisah, dan dikembalikan secara terpisah.

Switching router dinamis saat berjalan—katakan “bantu saya menyusun jadwal,” gunakan Agent LoRA; katakan “kode ini ada bug,” beralih ke Coding LoRA. Sepenuhnya transparan bagi pengguna.

Arsitektur ini memiliki nama resmi: Mixture-of-LoRA (MoL)—kemampuan berbeda dilatih secara terpisah di atas basis bersama, dikombinasikan secara fleksibel, dan dipanggil sesuai kebutuhan. Bukan memaksa satu model menjadi serba bisa, tetapi membiarkan sekelompok ahli bekerja sama.

Secara efektif, Macaron-V1 belum mencapai level model tertutup terkuat di semua kemampuan. Namun, dalam seluruh rangkaian evaluasi, ia sudah mampu menyamai atau bahkan mengungguli Opus 4.8, GPT-5.5, dan Gemini 3.1 Pro pada sebagian besar tugas—terutama dalam hal skenario kehidupan sehari-hari, kemampuan kode, dan generasi UI.

SWE-bench Terverifikasi—salah satu evaluasi kemampuan kode paling diakui di industri, Macaron-V1-Venti unggul di posisi pertama dengan skor 85,6, mengungguli peringkat kedua sejauh 3 poin, mengalahkan DeepSeek-V4-Pro (80,6), MiniMax-M3 (80,5), dan Kimi-K2.6 (80,2).

Yang lebih mengejutkan lagi adalah Deep-SWE, yang secara khusus menguji tugas rekayasa perangkat lunak jangka panjang yang kompleks. Macaron-V1-Venti meraih skor 58,4, sementara peringkat kedua ditempati oleh model dasarnya, GLM-5.2, dengan skor 46,2. Dengan basis yang sama, setelah dilatih dengan LoRA reinforcement learning, skornya langsung lebih tinggi 12 poin. Inilah nilai tambah yang bisa dihasilkan oleh post-training.

Yang lebih penting lagi: bobot terbuka, dapat dideploy secara privat. Seberapa kuat sekalipun model tertutup, data Anda tetap harus melewati server pihak lain. Macaron-V1 memungkinkan Anda membawa model kembali ke rumah sendiri, tanpa perlu menyerahkan satu byte pun data Anda.

Andrew menunjukkan sebuah contoh saat berbicara di WAIC: pengguna mengambil foto kubus Rubik yang acak dan mengirimkannya, model mengenali statusnya, algoritma menyelesaikannya, dan menghasilkan panduan 3D interaktif untuk menyelesaikannya—ini memerlukan kolaborasi empat kemampuan: pemahaman visual, algoritma, pemanggilan alat Agent, dan GenUI.

Masih ada desain yang mudah diabaikan namun sangat canggih: desain bersama Model dan Harness.

Apa artinya? Sebagian besar pelatihan model dan penerapan nyata menggunakan dua lingkungan berbeda—alat dan proses yang digunakan saat pelatihan tidak sesuai dengan lingkungan nyata setelah diluncurkan, sehingga kinerjanya menurun.

Macaron-V1 sejak awal melatih dan mengoptimalkan model bersama Harness di lingkungan produksi, bagaimana memanggil alat, bagaimana mengoperasikan terminal, dan bagaimana menjalankan tugas jangka panjang selama pelatihan, sama persis saat diluncurkan.

REPL Harness yang terkait memungkinkan model untuk menggabungkan alat melalui kode, menyimpan status menengah, dan menggunakan kembali proses yang efektif—tanpa harus memulai dari awal setiap kali, mengurangi pemanggilan berulang dan pemborosan konteks.

Ini bukan model yang hanya bisa mengobrol, ini adalah agen cerdas yang bisa melakukan tugas.

Mengapa itu «satu-satunya di dunia»?

Anda mungkin berkata: Apa istimewanya LoRA fine-tuning? Ada di mana-mana.

Yang luar biasa ada pada dua kata: skala.

Melatih LoRA untuk model 30B, banyak tim yang bisa melakukannya. Namun, ketika parameter meningkat hingga triliunan, tingkat kesulitannya naik secara eksponensial.

Tantangan utama adalah ketidaksesuaian antara pelatihan dan inferensi. Pembelajaran penguatan memerlukan pelatihan dan inferensi simultan untuk mengumpulkan umpan balik. Ketika model MoE dengan triliunan parameter dipotong dan didistribusikan ke puluhan GPU, sedikit perbedaan antara akurasi pelatihan dan akurasi inferensi menyebabkan drift gradien, sehingga kurva pelatihan langsung tidak konvergen.

Misalnya: sebuah orkestra ruangan dengan 30 orang, sedikit ketidakakuratan nada masih bisa ditoleransi. Tetapi jika menjadi orkestra simfoni 100 orang, satu instrumen saja yang tidak sejajar, seluruh pertunjukan akan menjadi bencana.

Hanya ada dua tim di seluruh dunia yang dapat menjalankan LoRA reinforcement learning pada skala parameter triliunan.

Satu adalah Thinking Machines Lab milik Mira Murati. Satu lagi adalah Mind Lab.

Tidak ada pihak ketiga.

Pada Desember 2025, Mind Lab berhasil menjalankan LoRA reinforcement learning pada Kimi K2—model MoE jarang super besar dengan total parameter 1,04 triliun—dengan kekuatan komputasi hanya sepertiga dari fine-tuning seluruh parameter, dan kurva pelatihan konvergen secara stabil.

LongStraw bulan ini kembali mendorong pelatihan pasca-pembelajaran penguatan hingga konteks 2M di bawah daya komputasi GPU tetap. Macaron-V1 adalah wujud terkumpul dari semua pencapaian ini.

Jalur ini tidak hanya ditempuh oleh Mind Lab. John Schulman, ilmuwan utama TML, ko-pendiri OpenAI dan pencipta algoritma PPO, menerbitkan "LoRA without Regret" pada 2025, membuktikan secara eksperimen bahwa LoRA memiliki kinerja yang sepenuhnya sejajar dengan fine-tuning penuh dalam sebagian besar skenario pasca-pelatihan. Ia menyebutnya sebagai "rentang regret rendah".

Industri juga memberikan suara dengan uang sungguhan. Fireworks AI, yang baru menyelesaikan putaran D senilai $1,5 miliar minggu lalu, memiliki valuasi $17,5 miliar dan mampu menampung ratusan LoRA; Together AI menyelesaikan putaran C senilai $800 juta dan telah menjadikan LoRA sebagai metode fine-tuning default.

Silicon Valley menghabiskan $2 miliar untuk membangun fondasi, sementara itu menghabiskan sepuluh persennya untuk berdiri di atas bahu raksasa

Di sini ada perbandingan yang sangat menarik.

Mind Lab dan TML mengikuti jalur teknologi yang sama, tetapi strategi dasarnya berbeda total.

TML karena berbagai alasan, memilih untuk melatih basisnya sendiri dari awal. Inkling, 975 miliar parameter, 45 triliun token—tetapi Murati sendiri secara terbuka mengakui: "Ini bukan model terkuat saat ini."

Evaluasi menunjukkan bahwa Inkling jelas lebih lemah dibandingkan model open-source Tiongkok seperti GLM dan Kimi. Membangun dasar dari nol membuat mereka menghabiskan banyak energi dan daya komputasi.

Mind Lab terbalik. Ia tidak melatih basisnya sendiri, tetapi langsung berdiri di atas bahu ekosistem model open-source Tiongkok.

Kimi K2 memverifikasi LoRA RL dengan triliunan parameter, V1-Preview berbasis GLM-5.1, versi resmi Venti menggunakan GLM-5.2, Tall menggunakan Qwen-3.7—setiap pembaruan basis, garis start pelatihan lanjutan naik satu tingkat.

Model open-source Tiongkok telah mencapai tingkat hampir SOTA di seluruh dunia. Gunakan dasar-dasar yang mendekati batas maksimal ini, lalu perkuat kemampuan kunci hingga benar-benar mencapai SOTA melalui pembelajaran penguatan LoRA.

Anda tidak perlu menanam gandum sendiri untuk membuat roti terbaik.

Seberapa kejam perbandingannya?

TML: Pendanaan 2 miliar dolar AS, tim 100 orang, kolaborasi dengan daya komputasi gigawatt NVIDIA—kemampuan Inkling masih kalah dari GLM-5.2.

Mind Lab: Lebih dari tiga puluh orang, pendanaan kurang dari $50 juta—mengembangkan model yang lebih kuat di berbagai aspek seperti Chat, Agent, dan Coding.

Dalam hal LoRA reinforcement learning, Mind Lab mungkin tim dengan rasio input-output tertinggi di dunia. Tidak ada yang lain.

Terus belajar: Mengapa model menjadi semakin cerdas seiring penggunaan?

Setelah membahas teknologi dan perbandingan, sampailah pada pertanyaan paling inti: Apa sebenarnya yang sedang dimainkan oleh Mind Lab?

Jawabannya tersembunyi di judul artikel yang diterbitkan bersama oleh Richard Sutton dan David Silver, mantan peneliti utama AlphaGo—Welcome to the Era of Experience.

Pre-training adalah "era data": model belajar dari teks yang sudah ada milik manusia.

Era berikutnya adalah "Era Pengalaman": kemampuan AI tidak lagi berasal dari data yang sudah ada, tetapi dari tindakan jangka panjang, umpan balik, dan pembelajaran berkelanjutan agen di lingkungan nyata.

Kontradiksi mendasar model besar hari ini ada di sini—setelah dilatih, langsung dibekukan.

Seorang pengguna memperbaiki kesalahan yang sama sepuluh kali, dan model harus membaca ulang riwayat obrolan berikutnya. Sebuah Coding Agent gagal berulang kali di repositori kode yang sama, dan kegagalan tidak berubah menjadi kemampuan baru. Model menangani sejumlah besar tugas setiap hari, tetapi semua pengalaman hilang.

It is merely an infinite repeating inference engine, not an evolving agent.

Yang ingin dilakukan Mind Lab adalah memutus siklus ini. Tujuan mereka adalah menciptakan sebuah "mesin kecerdasan pengalaman"—model yang tetap belajar secara terus-menerus di dunia nyata setelah meninggalkan laboratorium.

Pengalaman menjadi kemampuan baru, kemampuan baru memungkinkannya menyelesaikan masalah yang lebih sulit, dan masalah yang lebih sulit membawa pengalaman yang lebih kaya.

Kecerdasan bukan lagi hasil dari satu kali pelatihan, tetapi menjadi proses yang terus berkembang.

LoRA di sini bukan lagi alat "hemat biaya", melainkan status permanen yang dapat ditulis, di-roll back, dan berkembang secara independen.

Basis membawa pengetahuan umum, LoRA membawa preferensi Anda, gaya kode Anda, logika bisnis Anda. Bukan patch statis, melainkan memori yang berkembang seiring interaksi.

Eksperimen membuktikan bahwa modul adaptasi ringan yang dikompresi di bawah 0,5% parameter model dasar tetap stabil dan andal—semakin kuat model dasar, semakin efektif pembaruan skala kecil.

Mind Lab telah menempuh jalan ini selama tiga tahun. Pada 2023, pendiri Andrew bekerja sama dengan Karthik Narasimhan, penulis GPT-1, dan Yao Shunyu, menerbitkan FireAct—karya pertama yang meningkatkan kemampuan Agent melalui pembelajaran parameter. Setelah trajektori Agent ditulis ke dalam parameter, waktu eksekusi tunggal turun dari 9,0 detik menjadi 2,7 detik.

Bayar sekali untuk belajar, setiap penggunaan selanjutnya adalah pengembalian. Dari FireAct hingga Macaron-V1, logika ini diperbesar hingga skala triliunan parameter.

Kecerdasan kolektif: Kurva Scaling ketiga

Pembelajaran berkelanjutan hanyalah separuh cerita. Konsep inti kedua yang diwujudkan oleh Macaron-V1, yang mungkin lebih revolusioner, adalah kecerdasan kelompok.

Setiap model terus belajar berdasarkan pengalaman sendiri, sehingga contoh yang berbeda akan berkembang ke arah yang berbeda. Umpan balik pengguna yang berbeda, tugas yang berbeda, dan data yang berbeda membentuk kemampuan yang berbeda. Dari dasar yang sama, seiring waktu akan tumbuh menjadi "orang yang berbeda".

Keragaman ini, bug atau fitur? Hasil eksperimennya sangat memukau.

Dari basis Qwen3-30B yang sama, tujuan dan algoritma pelatihan identik, hanya mengubah urutan data dan masking.

Akurasi satu adapter di AIME24: 36,44%. 198 adapter berbeda dengan voting mayoritas: 48,67%. Pengambilan sampel berulang sebanyak 198 kali dengan adapter yang sama, maksimum hanya: 43,78%.

Berbagai «pengalaman» membawa komplementaritas yang tidak bisa dihasilkan oleh satu model tunggal. Ini bukan sekadar «coba beberapa kali»—melainkan efek kolaboratif nyata yang muncul antara jalur pembelajaran yang beragam.

Andrew menyebut ini sebagai kurva scaling ketiga di WAIC.

Pertama: Parameter Scale ala GPT-3—parameter yang lebih besar membawa kecerdasan yang lebih tinggi.

Poin kedua: Token Scale Thinking versi DeepSeek R1—lebih banyak token inferensi membawa kecerdasan yang lebih tinggi.

Poin ketiga: Skala Jumlah Model—Kolaborasi antara lebih banyak model membawa batas kecerdasan yang lebih tinggi.

Dalam eksperimen, jumlah model ditingkatkan dari beberapa menjadi 200, dan kinerjanya meningkat secara linier pada sumbu logaritmik. Jika kurva ini berlaku, langkah selanjutnya adalah meningkatkan dari 200 menjadi 20.000, lalu 2 juta.

Platform MinT yang dikembangkan sendiri oleh Mind Lab telah membangun direktori LoRA yang dapat dituju hingga jutaan. 1 juta LoRA berbagi basis parameter triliunan yang sama.

Perhatikan—bukan satu juta model kecil, melainkan satu juta model besar dengan satu triliun parameter.

Manusia berbagi lebih dari 99% genom, tetapi dasar biologis yang hampir identik tidak menciptakan pikiran yang sama. Justeru keragaman kecerdasan dan kolaborasinyalah yang membawa pencapaian terbesar peradaban manusia.

2 minggu, ARR 10 juta dolar AS: Verifikasi komersialisasi tercepat

Rencana teknis seindah apa pun, jika pasar tidak membeli, itu hanya PPT. Mind Lab membuka komersialisasi API pada awal Juli.

Hasil 2 minggu, 10 juta dolar AS ARR.

Ini kemungkinan besar adalah rekor tercepat pencapaian ARR sepuluh juta dolar AS oleh semua perusahaan model sejak peluncuran model pertama.

Angka penting, tetapi yang lebih penting lagi adalah kecepatan. Fakta bahwa jalur teknis ini secepat ini mendapat dukungan nyata dari pelanggan menunjukkan bahwa ia menyelesaikan masalah nyata dan masalah yang mendesak.

Mind Lab tidak hanya menjual Token. Logika bisnis intinya adalah: pelanggan membeli kemampuan model untuk terus belajar dan beriterasi dalam skenario mereka sendiri.

Produsen ponsel melatih pengetahuan produk ke dalam LoRA khusus, perusahaan headphone menuliskan preferensi interaksi ke dalam status model—data inti tidak perlu diberikan ke perusahaan model dasar untuk dilatih ulang, pelanggan memegang kendali sendiri.

Shaoyin Technology, AI hardware startup Odyss, and a top smartphone manufacturer are already on the collaboration list.

Struktur pemanggilan API juga menunjukkan masalah ini: 20% obrolan, 30% alur kerja Agent, 30% generasi kode, sisanya berasal dari GenUI—distribusi skenario seimbang, bukan kemakmuran palsu yang didukung oleh satu keberhasilan besar.

Versi Pro: $6 per juta token, Versi Standar: $4, Versi Ultra: $2.

Visi yang diberikan Mind Lab hanya satu kalimat: Dengan menggunakan Token, Anda bisa melatih Token.

Menggunakan pelatihan model seharusnya semudah memanggil model. Tidak memerlukan banyak tenaga penjualan sebelum pembelian, tidak memerlukan tenaga kerja khusus. Pembelajaran berkelanjutan itu sendiri adalah kemampuan model yang dapat diskalakan.

Pintu terbuka

Richard Sutton di Toronto mengumumkan "Era Pengalaman." Liang Wenfeng berpendapat bahwa kemampuan belajar berkelanjutan diperlukan untuk menyebut model generasi berikutnya. Mira Murati di San Francisco membangun infrastruktur pembelajaran penguatan LoRA dengan triliunan parameter. Fireworks AI dinilai senilai $17,5 miliar.

Semua orang memperkirakan arah yang sama: model harus terus belajar setelah diluncurkan. LoRA adalah teknologi kunci yang membuat hal ini feasible pada skala triliunan parameter.

Mind Lab adalah peserta paling muda di lintasan ini. Namun, posisi startnya mungkin paling efisien—tidak membuat dasar sendiri, melainkan berdiri di atas ekosistem open source Tiongkok, dengan lebih dari tiga puluh orang dan pendanaan kurang dari $50 juta, mencapai kemampuan teknis setara dengan tim senilai miliaran dolar di Silicon Valley.

Di balik ini adalah penilaian sederhana namun mendalam:

Titik akhir persaingan model besar bukan pada "siapa yang melatih basis terbesar", tetapi pada "siapa yang bisa membuat model terus menjadi lebih cerdas".

Pre-training adalah infrastruktur sekali jalan. Pembelajaran berkelanjutanlah yang menjadi parit perlindungan sejati.

Mind Lab ingin menciptakan mesin kecerdasan pengalaman—model yang tetap belajar secara terus-menerus di dunia nyata setelah meninggalkan laboratorium, semakin digunakan semakin cerdas. Ketika cukup banyak kecerdasan semacam ini mulai bekerja sama, jalan baru menuju kecerdasan yang lebih tinggi akan terbuka.

Murati mendorong pintu ini di San Francisco dengan dana $2 miliar dan tim 100 orang.

Namun, yang terlebih dahulu mendorong sedikit pintu terbuka adalah sisi Pasifik, sebuah laboratorium muda yang berdiri di atas bahu ekosistem open-source Tiongkok.