踩中梁文鋒說的AGI關(guān)鍵一步！這款模型兩周ARR破千萬美元

智東西
作者 程茜
編輯 漠影

智東西7月23日?qǐng)?bào)道，7月21日，Mind Lab團(tuán)隊(duì)發(fā)布旗下首個(gè)正式版本MoE模型Macaron-V1，包含Macaron-V1-Venti、Macaron-V1-Tall兩個(gè)版本，專為Agent任務(wù)打造。

Macaron-V1-Venti：為748B參數(shù)的旗艦?zāi)Ｐ停?44B參數(shù)的基礎(chǔ)模型和4個(gè)1B參數(shù)的LoRA專家模塊組成，這也是首個(gè)在GLM-5.2上進(jìn)行二次訓(xùn)練的模型。

Macaron-V1-Tall：參數(shù)規(guī)模50B，由35B參數(shù)的基礎(chǔ)模型以及4個(gè)3.7B參數(shù)的LoRA專家模塊組成。該模型是在Qwen 3.6的基礎(chǔ)上進(jìn)行訓(xùn)練的，適用于本地部署。

通過引入LoRA架構(gòu)，Macaron-V1系列模型在聊天、編程、智能體、GenUI任務(wù)上，尤其在長程自主智能體任務(wù)上，其綜合性能和國際頭部模型相當(dāng)。

與此同時(shí)，Mind Lab今年7月開啟商業(yè)化，僅用時(shí)兩周，年化經(jīng)常性收入（ARR）便突破千萬美元量級(jí)。

Macaron-V1模型的所有變體都在Hugging Face的Macaron-V1集合中以開放權(quán)重的形式發(fā)布。

一、 綜合性能對(duì)標(biāo)國際頂尖模型，長程自主智能體能力成核心分水嶺

AI應(yīng)用已從靜態(tài)問答轉(zhuǎn)向長期自主的智能體應(yīng)用，這也意味著，其不再只比拼單個(gè)模型能力，而是覆蓋長周期記憶、工具調(diào)用、持續(xù)自我優(yōu)化、多任務(wù)協(xié)同、系統(tǒng)架構(gòu)、持續(xù)學(xué)習(xí)能力的系統(tǒng)能力。

這也是下一代模型缺的東西。根據(jù)昨晚流傳出的一份投資人會(huì)議錄音，DeepSeek創(chuàng)始人、CEO梁文鋒提到，下一代模型必須要有持續(xù)學(xué)習(xí)的能力。

他將AGI實(shí)現(xiàn)的路線比作爬樓梯，去年的階梯是CoT（思維鏈），今年的階梯就是Agent，再之后就是持續(xù)學(xué)習(xí)。這樣一來，模型可以完成人類能做的所有事情，包括自己開發(fā)更前沿的AI模型，AI加速AI的研究。

這與Macaron-V1的核心特性不謀而合。

Mind Lab認(rèn)為，未來AI的核心在于兩種能力互補(bǔ)，一是持續(xù)學(xué)習(xí)，通過訓(xùn)練后的遞歸自我改進(jìn)機(jī)制，模型能夠不斷生成經(jīng)驗(yàn)、從中學(xué)習(xí)，從而改進(jìn)自身的行為；二是群體智能，依托統(tǒng)一共享的底層基座，多款專用模型可實(shí)現(xiàn)高效的多智能體協(xié)同作業(yè)。

其中最直接的體現(xiàn)就是模型在“個(gè)人智能”方面的能力，模型需要以單一用戶個(gè)體為中心，具備持久身份、長期記憶、持續(xù)適應(yīng)用戶偏好、跟隨用戶不斷演化。

不過目前通用任務(wù)基準(zhǔn)中，沒有專門針對(duì)個(gè)人智能任務(wù)的評(píng)分標(biāo)準(zhǔn)，基于此Mind Lab開發(fā)了ChatBench和Macaron LivingBench。前者評(píng)估模型在復(fù)雜長篇對(duì)話中的能力，后者則是通過數(shù)周的互動(dòng)來評(píng)價(jià)智能體程序的性能。

結(jié)合第三方的公開測(cè)試集可以看到，Macaron-V1-Venti在聊天、編程、智能體、GenUI四項(xiàng)任務(wù)中的綜合能力都超過了GLM-5.2，相比全球頂尖大模型公司的GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro、MiniMax M3，僅在智能體、編程的少數(shù)幾個(gè)測(cè)試集中分?jǐn)?shù)略低。

綜合來看，Macaron-V1的優(yōu)勢(shì)體現(xiàn)在需要完成長周期、動(dòng)態(tài)環(huán)境、持續(xù)目標(biāo)的智能體任務(wù)中，在LivingBench及第三方測(cè)試系統(tǒng)PinchBench，其能力已經(jīng)與GPT、Claude等通用頂尖大模型相當(dāng)。

二、引入LoRA混合架構(gòu)，整體成本僅需全參數(shù)微調(diào)的1/10

Mind Lab打造Macaron-V1的秘籍，就藏在其定位中，這是一款基于LoRA混合架構(gòu)構(gòu)建的智能體模型，原生面向持續(xù)學(xué)習(xí)與多模型協(xié)同設(shè)計(jì)。

上個(gè)月，其發(fā)布Macaron-V1-Preview時(shí)，就引入了LoRA混合架構(gòu)，為智能體和編程任務(wù)分別配備了獨(dú)立的LoRA專家模塊。此次V1正式版發(fā)布基于這一策略進(jìn)行了提升。

Macaron-V1采用Mixture-of-LoRA架構(gòu)，依托PEFT（參數(shù)高效微調(diào)）范式凍結(jié)基座模型，以大量獨(dú)立LoRA適配器作為可更新模塊，實(shí)現(xiàn)增量式持續(xù)學(xué)習(xí)、多任務(wù)與多模型協(xié)同，解決傳統(tǒng)全量微調(diào)難以支撐智能體持續(xù)演化的痛點(diǎn)。

根據(jù)其研究論文，PEFT不僅是一個(gè)注重預(yù)算控制的替代方案，實(shí)際上更是一種更強(qiáng)大的微調(diào)工具。其中的LoRA架構(gòu)，可以通過共享的基礎(chǔ)模型提供通用能力，然后適配器承載某個(gè)具體實(shí)例的個(gè)性化行為，例如偏好、技能、工具使用習(xí)慣以及記憶存儲(chǔ)與迭代更新。

他們的愿景就是，讓強(qiáng)大的基礎(chǔ)模型來支持?jǐn)?shù)以百萬計(jì)的持久個(gè)人助手。Macaron-V1的誕生，正重新定義以LoRA方案為代表的高效參數(shù)微調(diào)的價(jià)值。

無獨(dú)有偶，前OpenAI CTO Mira Murati創(chuàng)辦的Thinking Machines Lab也押注了這一路線，Murati曾在社交平臺(tái)X發(fā)文稱，依托新實(shí)驗(yàn)與信息論推導(dǎo)，他們認(rèn)為只要條件合適，LoRA完全可以達(dá)到和全參數(shù)微調(diào)同等的性能水平。

在此基礎(chǔ)上，我們可以通過Macaron-V1基于GLM-5.2二次訓(xùn)練的技術(shù)細(xì)節(jié)，來進(jìn)一步明確LoRA方案的優(yōu)勢(shì)所在。

在V1-Venti的架構(gòu)中，IndexCache與LoRA混合專家各司其職：IndexCache屬于GLM-5.2基座模型原生能力，MoL是Macaron搭建在該基座之上的后訓(xùn)練與推理服務(wù)層。

在被凍結(jié)的GLM-5.2基礎(chǔ)上，其為V1-Venti配備了4名1B級(jí)別的LoRA專家。這樣一來，各個(gè)專家模塊都在LoRA空間內(nèi)運(yùn)行，這套架構(gòu)天然適配持續(xù)學(xué)習(xí)。其還可以通過即插即用的LoRA拓展全新能力，無需改動(dòng)、覆蓋基座模型已習(xí)得的知識(shí)。

與此同時(shí)，Mind Lab還證明了在萬億參數(shù)稀疏MoE模型上，也能跑通LoRA強(qiáng)化學(xué)習(xí)。LoRA在這套系統(tǒng)中發(fā)揮了三方面作用：

第一，縮減可訓(xùn)練參數(shù)，降低優(yōu)化器顯存與梯度通信壓力；
第二，允許多個(gè)強(qiáng)化學(xué)習(xí)任務(wù)、多個(gè)下游模型共用凍結(jié)基座，大幅攤薄超大模型成本；
第三，強(qiáng)化學(xué)習(xí)信號(hào)能夠同時(shí)影響全局推理與獨(dú)立專家模塊。

在Kimi K2系統(tǒng)中，該方案將算力與通信開銷降至傳統(tǒng)全參數(shù)強(qiáng)化學(xué)習(xí)方案的約10%，同時(shí)保留對(duì)萬億規(guī)模基座模型進(jìn)行適配優(yōu)化的能力。

在此基礎(chǔ)上，Mind Lab推出MindLab Toolkit（簡稱MinT），這是一套面向LoRA后訓(xùn)練與在線推理服務(wù)的托管式基礎(chǔ)設(shè)施系統(tǒng)，能夠管理百萬級(jí)LoRA策略資源庫，在共享萬億參數(shù)級(jí)別基座模型的基礎(chǔ)上，完成指定版本適配器的訓(xùn)練與在線推理。

這套架構(gòu)恰好為持續(xù)學(xué)習(xí)提供了可行載體，持續(xù)學(xué)習(xí)需要實(shí)現(xiàn)經(jīng)驗(yàn)增量沉淀，又不能破壞模型原有基礎(chǔ)能力；而通過凍結(jié)基座、把所有新增技能與個(gè)性化狀態(tài)承載在獨(dú)立LoRA適配器中，既能持續(xù)拓展系統(tǒng)能力邊界，也能讓每一個(gè)用戶專屬智能體長期迭代進(jìn)化、互不干擾。

三、頭部實(shí)驗(yàn)室集體押注的路線，為何只有少數(shù)團(tuán)隊(duì)跑通？

這條前景廣闊的技術(shù)路線，如今已是眾多企業(yè)押注的賽道，但當(dāng)下真正跑通商業(yè)化閉環(huán)的仍然稀缺。

第一類玩家以Mind Lab、Thinking Machines Lab為代表，其也是全球唯二擁有能夠同時(shí)開機(jī)數(shù)百個(gè)萬億參數(shù)大模型強(qiáng)化學(xué)習(xí)訓(xùn)練的Infra的團(tuán)隊(duì)。

第二類玩家是發(fā)展處于早期的Fireworks AI、Together AI，F(xiàn)ireworks AI能夠在一個(gè)基座模型上托管數(shù)百個(gè)LoRA，并根據(jù)每次請(qǐng)求動(dòng)態(tài)選擇適配器，Together AI已將LoRA設(shè)為默認(rèn)微調(diào)方式。

雖然技術(shù)成熟度各有不同，但這些創(chuàng)企已然站在資本、產(chǎn)業(yè)的聚光燈下，估值飆漲。這進(jìn)一步證明，持續(xù)學(xué)習(xí)已成為下一代大模型不可或缺的核心底層能力，而LoRA架構(gòu)，恰好為持續(xù)學(xué)習(xí)的工程落地提供了有效技術(shù)路徑。

但這一技術(shù)全鏈路的落地門檻很高。

其考驗(yàn)的是團(tuán)隊(duì)的綜合硬實(shí)力，從大模型RL工程、稀疏MoE優(yōu)化，到海量適配器調(diào)度、長時(shí)序訓(xùn)練、Agent系統(tǒng)一體化搭建等，每一環(huán)都需要依托團(tuán)隊(duì)的復(fù)合型人才建設(shè)，以及長年累月的技術(shù)積累。

Mind Lab正是業(yè)內(nèi)為數(shù)不多率先跑通整套閉環(huán)體系的團(tuán)隊(duì)。

2023年，Mind Lab創(chuàng)始人Andrew Chen便與現(xiàn)任騰訊首席AI科學(xué)家的姚順雨聯(lián)合發(fā)表論文并提出FireAct，探索以強(qiáng)化學(xué)習(xí)方式提高大模型Agent能力。

到后面2025年10月Mind Lab成立，其接連發(fā)布專為超長上下文強(qiáng)化學(xué)習(xí)設(shè)計(jì)的LongStraw、Macaron-V1模型預(yù)覽版、基于MinT訓(xùn)練出來的模型Macaron-A2UI、針對(duì)個(gè)性化長期記憶微調(diào)的OpenClaw框架MindClaw、MinT。

如今最新的Macaron-V1模型便是其團(tuán)隊(duì)前期所有學(xué)術(shù)研究與工程成果的集大成之作。

在此之上，頂尖的模型能力并非只停留在紙面跑分與技術(shù)演示，Mind Lab獲多家頭部大廠注資以及快速?zèng)_高的ARR（年度經(jīng)常性收入），就是這套技術(shù)路線商業(yè)價(jià)值更直觀的印證。

今年6月，Mind Lab完成累計(jì)近5000萬美元（約合人民幣3.39億元）融資，投資方包括美團(tuán)、元禾璞華、韶音、變量資本等。

商業(yè)化數(shù)據(jù)方面，Andrew在WAIC上分享，7月開啟商業(yè)化后，該公司兩周內(nèi)就實(shí)現(xiàn)了1000萬美元ARR。其技術(shù)落地的轉(zhuǎn)化效率居于行業(yè)第一梯隊(duì)。

Mind Lab還具備國內(nèi)團(tuán)隊(duì)得天獨(dú)厚的優(yōu)勢(shì)，那就是充分利用中國開源模型生態(tài)中大量頂尖的基礎(chǔ)模型，站在巨人的肩膀上進(jìn)行開發(fā)。

如今，其不僅聯(lián)動(dòng)字節(jié)、英偉達(dá)共建LoRA訓(xùn)練底座，還和韶音、AI硬件企業(yè)等建立合作。長遠(yuǎn)來看，Mind Lab提出了極具普惠性的愿景：希望訓(xùn)練模型這件事，最后能像調(diào)用模型一樣簡單，會(huì)用token就會(huì)訓(xùn)token。

現(xiàn)在行業(yè)里已經(jīng)形成了基礎(chǔ)模型+LoRA適配器+持續(xù)學(xué)習(xí)的全新產(chǎn)業(yè)鏈，而Mind Lab憑借全線技術(shù)成果，已率先打通了理論研究、底層系統(tǒng)基建、商業(yè)化模型交付的全鏈路閉環(huán)，為整條產(chǎn)業(yè)賽道的規(guī)模化落地拓寬了邊界。

結(jié)語：里程碑落地！Macaron-V1將LoRA技術(shù)做成商用產(chǎn)品

Mind Lab Macaron-V1系列模型的正式發(fā)布，是以混合LoRA為核心的PEFT縮放范式從實(shí)驗(yàn)室理論走向規(guī)模化商用的里程碑。不同于單一參數(shù)堆疊的傳統(tǒng)大模型路線，這套“強(qiáng)共享基座+海量可演化輕量化適配器”架構(gòu)，既大幅降低企業(yè)開發(fā)、算力、存儲(chǔ)成本，又依托多模塊協(xié)同實(shí)現(xiàn)群體智能與長期自主Agent能力。

未來AI落地，可能不會(huì)只有一個(gè)萬能大模型，而是無數(shù)依附共享基座、擁有獨(dú)立記憶與能力的個(gè)性化智能體共生。