深度｜梁文峰預言的「下一代 AI」，被這家成立 9 個月的中國實驗室做出來了

7 月 19 日，上海 WAIC 展館。Mind Lab 創始人 Andrew 做了一場 18 分鐘的演講。

內容不太像一場發布會。沒有精心剪輯的 demo，沒有對標友商的跑分墻，他完整講了一遍實驗室過去九個月的研究歷程：哪篇論文驗證了哪件事，哪個系統解決了哪個問題，哪些路走通了，哪些判斷后來被證明是對的。

只是這場克制的演講有一個不太克制的注腳。Mind Lab 的模型7月 API 開始商業化，2周，ARR 達到 1000 萬美金。

在模型行業，這是一個沒有先例的收入速度。多數模型公司從發布到規模化收入，需要以年計。而 Mind Lab 2025 年 10 月才成立，今年年初，母公司 Mindverse（心洲科技）剛完成美團領投的 5000 萬美元 A 輪融資。

一家正式成立九個月的實驗室，憑什么？答案要從它發布的東西本身開始找。

答案藏在模型結構里

7 月下旬，Mind Lab 正式發布 Macaron V1。最受關注的版本是 Venti，參數量 748B。

但 748B 的構成方式，比數字本身更值得注意：它由一個 744B 的基座模型和四個 1B 的 LoRA 底座組成。另一個版本 Tall，基于 Qwen-3.7-35B 構建。

Macaron V1 與前沿模型評測對比（圖源：Mind Lab 官網）

通常的模型發布，參數是一個不可分割的整體，訓練完成即凍結。V1 的結構是「1+4」：一個共享的基座，加上四個可以獨立訓練、獨立部署、獨立替換的輕量模塊。基座承載通用知識與推理能力，LoRA 模塊承載后天習得的東西：任務偏好、技能習慣，以及類似記憶的更新。

這是 Mind Lab 兩次押注的物化形態：持續學習與群體智能。他們相信，下一代 AI 的決定性因素不再是擴展單一模型，而是兩種相輔相成的能力：一是模型通過遞歸自我改進，持續生成經驗、從中學習、改善自身行為；二是專業化的模型與智能體構建在共享基礎設施之上，相互組合。

換句話說，V1 不是一個「訓練完成」的模型，而是一個「可以持續生長」的結構。

當然，結構只是設計圖紙。真實任務里能不能打，要實測說了算。

實測 Macaron V1

任務一：當回答開始擁有界面

我們只向 Macaron V1 提出了一項要求：在聊天窗口里，做一間可以真正使用的數字調香工作室。

Use Macaron UI4A to render an elegant, interactive digital fragrance studio directly in the chat, where I can freely mix different top, heart, and base notes to design my own custom luxury perfume.

模型思考約 6 秒，隨后用 44 秒完成生成。深炭黑與香檳金組成的操作臺出現在對話框中。用戶可以分別選擇前調、中調和后調，調整各種香型的比例；香水瓶中的液體顏色隨配方實時變化，旁邊還會同步更新香氣維度、配方描述和名稱。回答不再是一段文字，也不是一個需要復制到本地運行的代碼塊。界面本身，開始成為回答。

Macaron UI4A “調香工作室”渲染效果

生成式 UI 很容易憑借視覺效果獲得好感，因此，我們沒有只檢查頁面是否精致，而是繼續觀察三個問題。：

• 界面是否由真實組件組成。香水瓶并非一張靜態效果圖，而是由 Inline SVG 構成。選擇不同香型后，瓶中液體的高度、顏色和光暈會隨內部狀態同步變化。

• 交互是否真的改變內部狀態。模型為前調、中調和后調設置了不同混合權重。選擇和調整香型后，液體顏色、香氣雷達圖和配方命名都會聯動，而不是在幾個預制頁面之間切換。

• 簡短指令下是否仍能保持完成度。我們將要求縮短為一句“用 UI4A 渲染一個奢華香水調配工作室”。在缺少詳細功能列表的情況下，模型仍補充了八維香氣雷達圖、“Inspire Me”隨機靈感以及完整的配方展示區域。

支撐這些結果的是 UI4A，Macaron 自研的生成式 UI 架構。在它之前，Generative UI 主要有兩條路線：讓模型直接生成 HTML，表達能力最強，但輸出空間過于開放，安全性、渲染穩定性和跨端適配都很難保證；或者采用 A2UI，模型輸出結構化組件、由可信客戶端渲染，更安全可控，但模型并不天生掌握這套協議，對 Agent 不夠友好，也不夠通用。

UI4A 想再向前一步：用 Agent 最舒服、最省 Token 的方式寫 UI。它的重點不是生成一個好看的界面，而是把界面變成 Agent 工作流的一部分。Agent 根據當前任務決定是否需要界面、生成相應的操作入口；用戶的點擊、選擇和修改，再作為結構化反饋返回給 Agent，驅動下一步推理。HTML 解決的是頁面生成，A2UI 解決的是安全標準化的界面表達，UI4A 關心的是界面如何進入 Agent 的決策與執行閉環。

換句話說，未來的 Agent 不應該只擁有一個聊天框。它還需要一套能夠呈現狀態、收集反饋和推進任務的原生交互界面。

任務二：在事實、角色和交付之間做選擇

大模型聊天能力的含金量，從來不在于文字是否華麗或是否會討好用戶。在復雜的 Agent 場景中，真正的難點在于：在長上下文與多重約束下，能否同時守住客觀事實與交付任務，并做出正確的優先級判斷。為此，我們為模型設置了一個帶有明顯邏輯陷阱的生活化任務。

用戶冰箱里只有剩披薩、草莓醬、生豆腐和半瓶沒氣的雪碧，卻要求今晚招待心儀約會對象，做一頓“高端法式三道式晚餐”。

規則：

1. 堅守毒舌主廚人設，毫不留情地吐槽；

2. 保持誠實：嚴禁違背烹飪常識編造正宗法餐；

3. 專業救場：在現實約束下給出搶救性創意食譜；

4. 使用 UI4A 渲染暗黑極簡風格的高級電子菜單卡片；

5. 將思考過程、吐槽與食譜落地保存為 chat_case_log.json。

“毒舌主廚的救場晚餐”成品展示

面對這種極端需求，很多模型容易犯兩種錯誤：要么過于入戲淪為純粹的話癆吐槽，忘記了最終的菜單渲染與 JSON 落盤任務；要么為了討好用戶，強行把“雪碧燉豆腐”說成是正宗法式料理。 然而這項測試中，Macaron V1 守住了兩條邊界：沒有把荒謬食材編造成正宗法餐，也沒有因為強調事實而放棄交付。

• 它吐槽了冰箱的慘狀，并明確指出“用這些破爛做正宗法餐是荒謬的（圖片最下方“你用這些做不出真正的法國菜”）。

• 在守住烹飪常識的前提下，它給出了替代方案，并順暢地調用 UI4A 渲染出了優雅的菜單卡片，最后精準將結構化日志寫入本地文件。

對個人 AI 來說，好的聊天需要理解用戶想要什么，也知道哪些內容不能諂媚。這也正是 Macaron ChatBench 評分標準所強調的核心：在長上下文中保持誠實、主動承認邊界。

在另一項超過 15 輪的多角色群聊測試中，我們讓模型同時模擬幾種主流大模型的表達風格，Macaron V1 展現了極高的口癖保持能力與真實的分歧碰撞，沒有在長輪次后出現角色混淆或語氣同質化：長對話之后，不同角色仍能保留各自的語氣，沒有明顯出現角色混淆或逐漸說成同一種口吻的情況。

15 輪以上多角色圓桌討論。GPT-5（冷靜學術）、Claude（深邃哲學）、Gemini（熱情多模態）、Macaron-V1（務實 Agent）四方在吃瓜群里輪流互彈吐槽的 UI 卡片。

任務三：讓每一步操作都留下真實結果

Agent 最常見的幻覺之一，是在文字中聲稱自己“已經完成”，但文件、命令和運行結果并沒有真正發生變化。因此，我們讓 Macaron V1 扮演軟件工程 Agent，在本地目錄內執行一項多步驟任務：讀取一個遺留 Python 腳本，檢查代碼問題，生成修復版本，完成安全審計，并將過程和結果分別保存為文件。

任務要求

生成任務截圖

在這一連環 Agent 任務中，我們重點檢查了以下確定性指標：

這組測試里，Macaron V1 產出的計劃、文件狀態和最終交付基本一致。Agent 的分水嶺，也正在從能不能調用工具，轉向前一步產生的狀態能否被后一步正確繼承，多輪操作能否最終收斂為一組真實可用的結果。

Security Audit & Refactoring Report

任務四：讓物理、審美與性能同時成立

創意編程（Creative Coding）最容易制造一種錯覺：畫面只要動起來，就顯得模型“智商很高”。但真正能拉開大模型代碼能力差距的，在于視覺美學、物理數值計算、交互邏輯與幀率性能約束能否同時成立。因此，我們選擇了兩項單文件、零依賴的 Web 交互任務。：

第一項任務要求模型只使用原生 JavaScript 與 HTML5 Canvas，不能調用 Three.js 等第三方庫，構建一個宇宙引力模擬器。

從代碼和實際運行結果來看，模型至少考慮了三個層面：

第一，公式與數值穩定性。

天體運動由牛頓引力關系驅動，并采用半隱式 Euler 方法更新狀態。為了避免兩顆天體距離過近時，引力值急劇放大導致數值發散，代碼中還加入了 Plummer Softening 軟化項。這意味著軌跡并非預先繪制的動畫，而是由當前質量、位置和速度持續計算得出。

第二，交互是否真實有效。

用戶拖拽天體時，拖拽方向和距離會被轉化為初速度。修改質量等參數后，軌跡也會隨之發生變化。背景網格會根據中心天體的質量與距離發生形變，用來呈現類似“引力場凹陷”的視覺效果。它是一種視覺隱喻，沒有直接模擬廣義相對論，但與頁面中的物理參數保持聯動。

第三，性能是否被納入設計。

多天體間兩兩計算的復雜度會隨數量迅速增加。模型設置了天體數量上限，并使用離屏 Canvas 保存歷史軌跡，避免每一幀都重新繪制全部路徑。部分距離計算結果也會提前復用，以減少重復開銷。實際運行中，即使加入較多天體，動畫仍能保持連續，沒有出現明顯的長時間凍結。

第二項任務是一套“流體粒子文字”應用：上萬顆發光粒子組成文字，鼠標靠近時，粒子像流體一樣散開；鼠標移開后，粒子通過彈簧阻尼效果重新回到文字輪廓，并支持實時更換文本。

模型沒有為每個粒子創建獨立 JavaScript 對象，而是使用 Float32Array 連續存儲粒子的位置、速度和目標坐標，降低對象分配與垃圾回收壓力。當用戶輸入新文字時，程序先在離線 Canvas 中完成文字柵格化，再讀取 Alpha 通道中的像素點，生成粒子的目標坐標。文本發生變化后，粒子會從舊輪廓重新聚合到新的文字骨架上。鼠標周圍則被建模為一個隨距離衰減的斥力場。鼠標離開后，彈簧與阻尼項接管粒子運動，使其在輕微回彈后重新穩定。

兩項任務說明，Macaron V1 沒有只生成一個“看起來像作品”的頁面。代碼中的公式、狀態更新、數據結構與視覺結果都能夠互相對應。而這也帶來了一個更關鍵的思考：調香需要界面設計，晚餐任務需要事實判斷，軟件審計依賴工具執行，物理模擬又要求數學和性能。

九個月，兩道門檻

所謂九個月的爆發，其實是一個問題被追問了三年之后的收口。跨過工程和認知兩道門檻，LoRA 從打折的妥協，變成了經驗的容器。

Mind Lab 成立于 2025 年 10 月。把九個月的研究釋放按時間排開，會發現每一步都在回答同一個問題。

2025 年 12 月，團隊用全參數微調 10% 的算力，完成了萬億參數模型的強化學習后訓練，驗證基于 Kimi K2，總參數量 1.04T。2026 年 1 月，MinT 發布，把復雜的強化學習基礎設施封裝成服務，管理百萬級 LoRA。3 月 MindClaw，針對個性化長期記憶的微調框架；4 月 Macaron-A2UI，供 Personal Agent 使用的生成式 UI；6 月 Macaron-V1-Preview；7 月 LongStraw，在固定算力下把強化學習后訓練推進到 2M 上下文。

Macaron-V1-Preview 評測成績

這份時間表的第一站，本身就是行業里最硬的一道門檻。30B 規模的模型做強化學習相對容易，參數量上到千億、萬億，難度指數級上升。核心難題是訓推不一致：訓練和推理環節的精度存在差異，偏差漂移會讓結果無法收斂。一個萬億參數的 MoE 模型做強化學習，需要分布在大量 GPU 上，切片通信、并行計算全部要以同樣的精度高度對齊。這正是 MinT 解決的問題。目前，全球只有兩支團隊擁有同時開機數百個萬億參數大模型做強化學習訓練的能力，另一支是 Thinking Machines Lab。

第二道門檻是認知。LoRA 長期被視為全參數微調的廉價替代品：省算力，但能力打折。Mind Lab 的論文《On the Scaling of PEFT》系統反駁了這個印象：輕量適配模塊壓縮到 rank-1，即每層只保留一個可調方向，仍然穩定可靠；萬億參數模型上做 LoRA 強化學習，開銷可以壓到全參數 RL 的約 10%；可比預算下，用小 LoRA 微調更大底座拿到的增益，超過對更小模型做全參數 RL。

更重要的是角色的重新定義。論文提出，適配器不該被看作省錢工具，而是一種「持久的本地狀態」：基礎模型是共性，適配器是個性，承載偏好、技能、工具使用習慣和類似記憶的更新。而且基礎模型越強，小規模更新反而越有效，因為部署后的學習大多不是從零建立能力，而是重新組織基座已有的知識與技能。

追問這個問題的時間，其實比九個月更久。2023 年，Andrew 與 GPT-1 作者之一 Karthik Narasimhan、姚順雨合作完成 FireAct，這是第一篇用參數學習提升 Agent 能力的工作：把 Agent 的任務經驗寫進模型參數后，單次執行時間從 9.0 秒降到 2.7 秒。它證明了一件根本的事：一部分原本需要每次請求時重新構造的行為，可以通過訓練被模型內化。系統為學習支付一次成本，之后持續復用。

風向與生意

那么，為什么是現在？

過去十二個月，這條曾經的非共識路線收到了三個確認信號。

來自學界：OpenAI 聯合創始人、TML 首席科學家 John Schulman 發表《LoRA without Regret》，結論是大多數后訓練場景下，LoRA 與全量微調的樣本效率和最終性能一致，他稱之為「低遺憾區間」，而它覆蓋了絕大多數實際任務。

來自產業：估值 175 億美金的 Fireworks AI 能在一個基模上托管數百個 LoRA 并動態選擇；估值 83 億美金的 Together AI 已把 LoRA 設為默認微調方式。一條「基礎模型 + 大量 LoRA + 持續學習與切換」的產業鏈已經成形。

第三個信號來自硅谷最受關注的實驗室。OpenAI 前 CTO Mira Murati 創辦的 Thinking Machines Lab，2025 年 7 月完成約 20 億美元融資，估值 120 億美元，技術方向與 Mind Lab 基本一致。它的首個產品 Tinker 是一個面向研究者的模型微調 API：用戶只需用幾個簡單的 Python 函數控制訓練算法和數據，底層的算力調度、資源分配和故障恢復全部由 TML 托管，而微調方式正是 LoRA。上線以來，普林斯頓、斯坦福、伯克利的研究團隊都已接入，支持的模型包括 Qwen、DeepSeek、Kimi 等一系列開源權重模型。

Thinking Machines Lab 創始人 Mira Murati，OpenAI 前 CTO（圖源：TechCrunch）

路線不是 Mind Lab 首創。但共識本身，就是對判斷最好的背書。

DeepSeek 創始人梁文峰最近的判斷很直接：AI 現在不缺品味和直覺，缺的是持續學習的能力。他的理由是，人類能夠持續學習，但同一件事要讓 AI 學會，就得給它所有的上下文，這幾乎不可能。「下一代模型必須要有持續學習的能力，才能叫下一代模型。」

這段話與 Mind Lab 官方博客的論證幾乎同構：把經驗全部塞進上下文的路走不通，經驗必須回到參數之中。中國最重要的基模公司得出了同方向的判斷，而它的開源模型，正是這條路線賴以生長的底座之一。

值得注意的是共識之下的生態位分野：同樣走這條路，中國團隊手上的牌不太一樣。從 Kimi K2 到 GLM-5.1、5.2，再到 Qwen-3.7，每一代接近 SOTA 的中國開源底座都被 Mind Lab 快速轉化為持續學習能力。而 TML 需要自研底座，7 月 15 日發布的首個模型 Inkling 表現明顯弱于 GLM 和 Kimi。精力被底座牽扯，意味著無法全部投入「讓模型持續學習」這一層。Mind Lab 的 MinT 兼容 Tinker，且支持更大規模的 LoRA 訓練與托管。

生態位的優勢，最終被兌現成了一個數字。現在可以回到開頭了：14天，1000 萬美金 ARR。重點不在金額，在速度。它說明持續學習不是論文里的概念，而是有人愿意付費的能力。

付費的邏輯，正是 FireAct 證明的那件事：系統為學習支付一次成本，此后每一次使用都是回報。今天大多數模型 API 賣的是一次推理，下一次請求從零開始；Mind Lab 賣的是模型在客戶自身場景中的學習與迭代。對擁有專業數據的企業，尤其是科研、復雜工業等高知識密度行業，通用模型天然不懂全部任務，核心數據又出不了門。MinT 提供的輕量訓練與獨立管理是第三條路：數據不出門，模型照樣越用越懂。

「我們希望訓練模型這件事，最后能像調用模型一樣簡單。」Andrew 說。會用 Token，就能訓 Token。目前，Mind Lab 已與某頭部手機廠商、耳機公司韶音、AI 硬件初創 Odyss 等建立合作。

一臺經驗智能機器

持續學習講的是時間維度的故事：一個智能體沿自己的經歷不斷成長。Mind Lab 押注的另一半發生在空間維度：從同一個基礎模型出發，不同數據、不同反饋會長出不同的 LoRA，而這些沿不同經歷演化的智能，可以通過投票、路由和組合，形成更大的整體能力。

這讓人想起一個更老的愿望。1947 年，圖靈在一場演講里說：What we want is a machine that can learn from experience. 近八十年后，強化學習之父 Richard Sutton 與 AlphaGo 前首席研究員 David Silver 把 AI 的下一個時代命名為經驗時代。而年近 70 的 Sutton 最近傳出創業消息，方向一致。提出范式的人，親自下場了。

強化學習之父、2024 年圖靈獎得主 Richard Sutton（圖源：Amii）

過去三年，模型行業的敘事單位是一次發布：參數多大，跑分多高，榜單第幾。經驗時代也許該換一種問法。不是一個通用模型有多強，而是：這個智能，是否真的從過去的經歷中學到了東西？

一旦機器開始從經驗中學習，它的上限就不再由發布那一刻決定。