Mind Lab 發布 Macaron-V1 模型，採用 748B 參數搭配 4 個獨立 LoRA 的 Mixture-of-LoRA 架構，在 SWE-bench Verified 評測中以 85.6 分登頂代碼能力榜首。這家成立不滿一年的中國實驗室，憑藉 5000 萬美元融資，達成與硅谷 20 億美元團隊相當的技術水平，其 LoRA 強化學習路線獲圖靈獎得主 Richard Sutton、DeepSeek 梁文鋒等行業領袖押注。Mind Lab 同時提出「持續學習」和「群體智能」理念，稱模型離開實驗室後仍能在真實環境中持續學習和協作。商業化僅 2 週即達成 1000 萬美元 ARR，驗證了該技術路線解決真實痛點。

文章作者、來源：新智元

上週 AI 圈都在討論一件事，但大多數人只看到了一半。

7月15日，前 OpenAI CTO Mira Murati 在舊金山發布了 Thinking Machines Lab 的首個模型 Inkling。

20 億美元融資，975B 參數，100 人精英團隊——矽谷最受關注的 AI 創業公司，終於亮牌了。

幾乎同一天，強化學習之父、2024年圖靈獎得主 Richard Sutton 年近七十，宣布創辦 Oak Lab。

老人的原話是：「當前的深度學習方法是脆弱且低效的，需要的不是修修補補，而是從根基上重新來過。」

不只是 Sutton 這麼想。DeepSeek 創始人梁文鋒給出了幾乎一模一樣的判斷。

他將 AI 的發展比作一級級台階：語言模型、CoT、Agent……而在 Agent 之後，下一個必須邁過的台階就是持續學習。

他的觀點是，下一代模型的核心能力，必須具備持續學習的能力，才能稱為下一代模型。如果先實現持續學習，通用智能可能就會變得很容易了。

當一條技術路線同時獲得圖靈獎得主、矽谷最受關注的 AI 創業公司和中國最具創新力的大模型創始人押注時，它就不再是一種技術選擇，而是一種行業共識。

風向，已經變了。

就在所有人盯著矽谷的時候，太平洋這邊，一家成立不滿一年的中國實驗室，在同一條賽道上，悄悄交出了一份令人意外的答卷。

Mind Lab 正式發布 Macaron-V1。

Mind Lab 成立於 2025 年 10 月，是 Mindverse（心洲科技）旗下的前沿研究實驗室。整個團隊三十多人，成員來自 xAI、DeepMind、DeepSeek、字節 Seed、MIT 和清華。年初完成 5000 萬美元 A 輪融資，美團領投，螞蟻、紅杉中國、真格等跟投。

請注意這個數字：5000 萬美元，後面還會用到。

748B 參數直上強化學習

4 個 LoRA 各管一攤

先看模型。

Macaron-V1 分兩個版本：

• 旗艦版 Venti，748B 參數，由 744B 的 GLM-5.2 基座加上四個 1B 的 LoRA 組成，原生支援 2M 超長上下文；
• Standard Edition Tall, 35B, fine-tuned on Qwen-3.7, can run on Mac.

但關鍵不在參數——在那4個LoRA。

過去，LoRA 是全參微調的「窮人版替身」。省錢，但打折。

Mind Lab 將其重新定義為：基座模型是「共性」，LoRA 是「個性」。

這是什麼意思？就像所有 iPhone 都使用相同的 iOS 系統，但你安裝的 App、你的輸入法習慣、你的高頻操作，讓你的 iPhone 變成了「你的 iPhone」。

聊天要自然共情，編程要嚴格精確，Agent 要多步規劃，生成式 UI 要設計交互——擠在一套參數裡訓練，它們會互相打架。

Macaron-V1 的做法簡單粗暴：拆。

四個獨立 LoRA，分別負責聊天、Agent、編程、GenUI，各自訓練、各自評估、各自回滾。

運行時路由器動態切換——你說「幫我排日程」，使用 Agent LoRA；你說「這段代碼有 bug」，切換至 Coding LoRA。對用戶完全透明。

這套架構有一個正式名稱：Mixture-of-LoRA（MoL）——不同能力在共享基座上獨立訓練、靈活組合、按需調用。不是把一個模型逼成全才，而是讓一群專才協同作戰。

在效果上，Macaron-V1 還未在所有能力上達到最強閉源模型的水平。但在整套評測中，它已能在多數任務上與 Opus 4.8、GPT-5.5 和 Gemini 3.1 Pro 打平甚至超越——尤其在生活場景、代碼能力和生成式 UI 方向表現突出。

SWE-bench 認證——業界公認最嚴苛的程式碼能力評測之一，Macaron-V1-Venti 以 85.6 分位居第一，領先第二名 3 分，將 DeepSeek-V4-Pro（80.6）、MiniMax-M3（80.5）、Kimi-K2.6（80.2）全部壓在身後。

更厲害的是 Deep-SWE，專門測試長程複雜的軟體工程任務。Macaron-V1-Venti 拿下 58.4 分，第二名是其基座模型 GLM-5.2——46.2 分。同一個底座，經過 LoRA 強化學習訓練後，直接高出 12 個點。這就是後訓練所能帶來的增量價值。

更重要的是：開放權重，可私有化部署。即使閉源模型再強大，數據仍需經過別人的伺服器。Macaron-V1 讓你將模型移回自家伺服器，數據一個位元組都不用外洩。

Andrew 在 WAIC 演講時展示了一個案例：用戶拍下一張打亂的魔方照片並發送，模型識別狀態、演算法求解，並生成可互動的 3D 还原指南——這需要視覺理解、演算法、Agent 工具調用和 GenUI 四種能力協同運作。

還有一個容易被忽略但極其硬核的設計：Model 與 Harness 共設計。

是什麼意思？大多數模型的訓練和實際部署是兩套環境——訓練時使用的工具介面和執行流程，與上線後的真實環境不一致，導致性能下降。

Macaron-V1 從一開始就讓模型與生產環境的 Harness 一起訓練、一起優化，訓練時如何調用工具、如何操作終端、如何運行長程任務，上線後完全一致。

The accompanying REPL harness enables the model to compose tools via code, save intermediate states, and reuse effective workflows—eliminating the need to start from scratch each time and reducing redundant calls and context waste.

這不是一個只會聊天的模型，這是一個能辦事的智能體。

為什麼它是「全球唯二」？

你可能會說：LoRA 微調有什麼了不起的？到處都是。

了不起的地方在兩個字：規模。

使用 30B 模型進行 LoRA 強化學習，許多團隊都能做到。但當參數量達到萬億級別時，難度會呈指數級上升。

核心難點稱為訓練與推理不一致。強化學習需要在訓練過程中同時進行推理並收集反饋，當萬億參數的 MoE 模型被切片分佈到數十張 GPU 上時，訓練精度與推理精度稍有偏差，梯度就會漂移，訓練曲線直接無法收斂。

打個比方：30 人的室內樂團合奏，音準差一點還能兜住。換成百人交響樂團，任何一把樂器走調，整場就是災難。

全球僅有兩支團隊能在萬億參數規模上運行 LoRA 強化學習。

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

沒有第三家。

2025年12月，Mind Lab 在 Kimi K2——總參數為 1.04 萬億的超大稀疏 MoE 模型——上成功運行了 LoRA 強化學習。算力僅為全參數微調的十分之一，訓練曲線穩定收斂。

本月的 LongStraw 在固定 GPU 算力下，將強化學習後訓練推進至 2M 上下文。Macaron-V1，正是這些積累的一次集中亮相。

這條路線不止 Mind Lab 在走。TML 首席科學家 John Schulman——OpenAI 聯合創始人、PPO 算法發明者——於 2025 年發表了《LoRA without Regret》，實驗證明 LoRA 在大多數後訓練場景下，性能與全量微調完全一致。他將此稱為「低遺憾區間」。

行業也在用真金白銀投票。上週完成15億美元D輪融資的Fireworks AI，估值達175億美元，可託管數百個LoRA；Together AI完成8億美元C輪融資，已將LoRA設為默認微調方式。

矽谷花費20億打造底層，它只用十分之一便站在巨人的肩膀上

這裡有一個非常有趣的對比。

Mind Lab 和 TML 採用相同的技术路線，但底層策略截然不同。

TML 因種種原因，選擇自行從零訓練基座模型。Inkling，975B 參數，45 萬億 token——但 Murati 自己也公開承認：「這不是目前最強的模型。」

評測顯示，Inkling 明顯弱於 GLM、Kimi 等中國開源模型。從零搭建底座，讓它們消耗了大量精力和算力。

Mind Lab 反其道而行之。它不自行訓練底座模型，而是直接站在中國開源模型生態的肩膀上。

Kimi K2 驗證萬億參數 LoRA RL、V1-Preview 基於 GLM-5.1、正式版 Venti 用 GLM-5.2、Tall 用 Qwen-3.7——每次基座升級，後訓練的起跑線就高一層。

中國的開源模型已達到接近全球SOTA的水平。利用這些接近頂峰的基礎模型，再透過LoRA強化學習將關鍵能力推至真正的SOTA。

你不必自己種小麥，就能烤出最好的麵包。

有多殘酷？

TML：20 億美元融資、100 人團隊、英偉達千兆瓦級算力合作——Inkling 能力仍落後於 GLM-5.2。

Mind Lab：三十多人、不到 5000 萬美元融資——在 Chat、Agent、Coding 等多個維度打造出更強的模型。

在 LoRA 強化學習這件事上，Mind Lab 可能是全球投入產出比最高的團隊。沒有之一。

持續學習：為何模型越用越聰明？

講完技術和對比，到了最核心的問題：Mind Lab 到底在下什麼棋？

答案藏在 Richard Sutton 和 AlphaGo 前首席研究員 David Silver 聯合發表的一篇文章標題裡——Welcome to the Era of Experience。

預訓練是「數據時代」：模型從人類已有的文本中學習。

下一個時代是「經驗時代」：AI 的能力不再來自已有數據，而來自智能體在真實環境中的長期行動、反饋與持續學習。

今天大模型的根本矛盾就在這裡——訓練完就凍住了。

一個用戶糾正了同一個錯誤十次，下次模型仍需重新閱讀聊天記錄。一個 Coding Agent 在同一個代碼庫中反覆失敗，失敗不會轉化為新能力。模型每天處理海量任務，但經驗全部流失了。

它只是一台無限重複的推理引擎，並非一個正在成長的智能體。

Mind Lab 要做的，就是打破這個死循環。他們的目標是造一台「經驗智能機器」——模型離開實驗室後，仍然在真實世界裡持續學習。

經驗轉化為新能力，新能力讓它解決更困難的問題，更困難的問題又帶來更豐富的經驗。

Intelligence is no longer the result of a single training session, but becomes a process of continuous growth.

LoRA 在此已不再是「節省成本的工具」，而是一種可寫入、可回滾、可獨立演化的持久狀態。

基礎承載通用知識，LoRA 承載你的偏好、你的代碼風格、你的業務邏輯。不是靜態補丁，而是隨互動成長的記憶。

Experiments show that the lightweight adaptation module, compressed to less than 0.5% of the base model's parameters, remains stable and reliable—the stronger the base model, the more effective the small-scale updates become.

Mind Lab 走了這條路三年。2023 年，創始人 Andrew 與 GPT-1 作者 Karthik Narasimhan、姚順雨合作發表了 FireAct——首篇利用參數學習提升 Agent 能力的研究。將 Agent 軌跡寫入參數後，單次執行時間從 9.0 秒降至 2.7 秒。

為學習支付一次成本，之後每次使用都是回報。從 FireAct 到 Macaron-V1，這個邏輯被放大到了萬億參數的規模。

群體智能：第三條 Scaling 曲線

持續學習只是故事的一半。Macaron-V1 所體現的第二個核心理念，可能更為顛覆——群體智能。

每個模型會根據自身的經歷持續學習，不同實例會走向不同方向。不同的用戶反饋、不同的任務、不同的數據，塑造出不同的能力。從同一個基座出發，時間久了會長成「不同的人」。

這種多樣性，是 bug 還是 feature？實驗結果很炸。

從相同的 Qwen3-30B 基座出發，訓練目標和演算法完全一致，僅改變資料順序和 masking。

單個 adapter 在 AIME24 上的準確率：36.44%。198 個不同 adapter 進行多數投票：48.67%。同一個 adapter 重複採樣 198 次，最高僅為：43.78%。

不同的「經歷」，帶來了單個模型無法提供的互補性。這不是「多試幾次」——而是多樣化學習路徑之間產生了真正的協作效應。

Andrew 在 WAIC 把這稱為第三條 Scaling 曲線。

第一條：GPT-3 式的 Scale Parameters——更大的參數帶來更高智能。

第二條：DeepSeek R1 式的 Scale Thinking Tokens——更多推理 token 帶來更高智能。

第三條：Scale Number of Models——更多模型之間的協作帶來更高智能上限。

在實驗中，模型數量從幾個增加到 200 個，在對數坐標軸上性能呈線性提升。如果曲線成立，下一步是從 200 推廣到 2 萬、200 萬。

Mind Lab 自研的 MinT 平台已建立百萬級可尋址 LoRA 目錄。100 萬個 LoRA 共享同一個萬億參數基座。

注意——這不是100萬個小模型，是100萬個一萬億參數的大模型。

人類之間共享99%以上的基因組，但幾乎相同的生物基礎並未造就相同的心智。正是智能的多樣性及其協作，帶來了人類文明最偉大的成就。

2 週 1000 萬美元 ARR：最快商業化驗證

再漂亮的技術路線，如果市場不買單，也只是PPT。Mind Lab 將於7月初開放API商業化。

兩週後，1,000 萬美元 ARR。

這很可能是所有模型公司自首個模型發布以來，最快達成千萬美元ARR的紀錄。

數字很重要，但更重要的是速度。一條技術路線能被客戶這麼快用真金白銀投票，說明它解決的是真問題、痛問題。

Mind Lab 所銷售的不只是 Token。其核心商業邏輯是：客戶購買的是模型在自身場景中持續學習與迭代的能力。

手機廠商將產品知識訓練至專屬 LoRA，耳機公司將交互偏好寫入模型狀態——核心數據無需交給基模公司重新訓練，客戶自行掌握控制權。

ShanYin Technology、AI 硬件初創企業 Odyss、某頭部手機廠商，已列入合作名單。

API 調用結構也說明了問題：20% 聊天，30% Agent 工作流，30% 代碼生成，其餘來自 GenUI——場景分佈均衡，並非靠單一爆款支撐的虛假繁榮。

Elite Edition: $6 per million tokens, Standard Edition: $4, Speed Edition: $2.

Mind Lab 提供的願景只有一句話：會用 Token，就能訓 Token。

訓練模型這件事，最終應像調用模型一樣簡單。無需大量售前支援，無需定制人力。持續學習本身，就是可擴展的模型能力。

門被推開了

Richard Sutton 在多倫多喊出「經驗時代」。梁文鋒認為必須有持續學習能力，才能叫下一代模型。Mira Murati 在舊金山搭萬億參數 LoRA 強化學習基礎設施。Fireworks AI 估值 175 億美元。

所有人都押注同一個方向：模型在部署後應繼續學習。LoRA 是讓這件事在萬億參數規模上成為可能的關鍵技術。

Mind Lab 是這條賽道上最年輕的參賽者，但其起跑姿態可能最為高效——不依賴底座，直接立足於中國開源生態，僅憑三十多人和不到 5000 萬美元融資，便達成了與硅谷百億級團隊同等水準的技術能力。

這背後是一個簡單但深刻的判斷：

大模型競爭的終局，不在「誰訓出最大的底座」，而在「誰能讓模型持續變聰明」。

Pre-training is a one-time infrastructure. Continuous learning is the true moat.

Mind Lab 想要打造的，是一台經驗智能機器——模型離開實驗室後，仍能在真實世界中持續學習，越用越聰明。當足夠多這樣的智能開始協作，一條通往更高智能的新路徑就會打開。

Murati 在舊金山，憑藉 20 億美元和 100 人的團隊推開了這扇門。

而先將門推開一條縫的，是太平洋這頭，一家站在中國開源生態肩膀上的年輕實驗室。