上周，AI行业都在热议一个方向，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。伴随着20亿美元融资、975B参数和100人精英团队，硅谷最受关注的AI创业公司终于亮出了底牌。
几乎同一时间，强化学习之父、2024年图灵奖得主、年近七旬的Richard Sutton宣布创办Oak Lab。老爷子的原话是：“当前的深度学习方法脆弱且低效，需要的不是修修补补，而是从根基上重新来过。”
不只是S Sutton这么想。DeepSeek创始人梁文锋也给出了几乎一模一样的判断。他将AI发展比作一级级台阶：语言模型、思维链、智能体……而智能体之后，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在于持续学习，只有具备这种能力，才能称为下一代模型。如果先实现了持续学习，通用智能可能就会水到渠成。
当一条技术路线同时被图灵奖得主、硅谷最关注的AI创业公司以及中国最具创新力的大模型创始人押注时，它就不再仅仅是一种技术选择，而成为一种行业共识。风向，已经变了。
而就在所有人目光聚焦于硅谷时，太平洋彼岸，一家成立不到一年的中国实验室，在同一条赛道上，悄然交出了一份令人意外的答卷。
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。团队三十余人，成员来自xAI、DeepMind、DeepSeek、字节Seed、MIT和清华。今年年初，他们完成了5000万美元的A轮融资，由美团领投，蚂蚁集团、红杉中国、真格基金等跟投。
请记住这个数字：5000万美元，后面还会用到。
技术架构：748B参数直上强化学习，4个LoRA各司其职
先看模型。Macaron-V1分为两个版本：旗舰版Venti，拥有748B参数，由744B的GLM-5.2基座加上四个1B的LoRA组成，原生支持2M超长上下文；标准版Tall，参数量为35B，基于Qwen-3.7后训练，在Mac电脑上即可流畅运行。
但关键不在于参数，而在于那四个LoRA模块。过去，LoRA常被视为全参微调的“穷人的替代品”，虽然省钱，但效果会打折扣。Mind Lab重新定义了它：基座模型是“共性”，LoRA是“个性”。
这就像所有iPhone都运行同一个iOS系统，但你安装的App、输入法习惯、高频操作，让这台iPhone变成了“你的iPhone”。聊天需要自然共情，编程需要严谨精确，智能体需要多步规划，生成式UI需要设计交互——如果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：拆分。四个独立LoRA分管聊天、智能体、编程和生成式UI，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”，走智能体LoRA；你说“这段代码有bug”，切换至编程LoRA。对用户而言完全透明。
这套架构有一个正式名称：Mixture-of-LoRA（MoL），即在不同能力共享基座的基础上独立训练、灵活组合、按需调用。这不是把一个模型逼成全才，而是让一群专才协同作战。
在效果上，Macaron-V1尚未在所有能力上达到最强闭源模型的水平，但在多项评测中，它已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。
在业内公认最硬核的代码能力评测SWE-bench Verified上，Macaron-V1-Venti以85.6分登顶第一，将第二名甩开3分，DeepSeek-V4-Pro、MiniMax-M3、Kimi-K2.6等全部被压在身后。
更狠的是Deep-SWE，专门测试长程复杂软件工程任务。Macaron-V1-Venti拿下58.4分，而它的基座模型GLM-5.2只有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，数据也得经过别人的服务器。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演讲时展示了一个案例：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、智能体工具调用和生成式UI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。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，导致性能打折。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，而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。了不起的地方在于两个字：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——总参数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项目，又在固定GPU算力下把强化学习后训练推进到了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，选择自己从零训练基座。Inkling拥有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反其道而行之。它不自己训练基座，直接站在中国开源模型生态的肩膀上。Kimi K2验证了万亿参数LoRA RL的能力，V1-Preview基于GLM-5.1，正式版Venti使用GLM-5.2，Tall基于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——在Chat、Agent、编程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，而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，而是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 Lab7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。
大门推开了
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。所有人都在押同一个方向：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。