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。<