7   月   19   日，上海   WAIC   展馆。Mind Lab   创始人   Andrew   做了一场   18   分钟的演讲。

内容不太像一场发布会。没有精心剪辑的   demo，没有对标友商的跑分墙，他完整讲了一遍实验室过去九个月的研究历程：哪篇论文验证了哪件事，哪个系统解决了哪个问题，哪些路走通了，哪些判断后来被证明是对的。

只是这场克制的演讲有一个不太克制的注脚。Mind Lab 的模型 7 月 API 开始商业化，2 周，ARR 达到 1000 万美金。

在模型行业，这是一个没有先例的收入速度。多数模型公司从发布到规模化收入，需要以年计。而   Mind Lab 2025   年   10   月才成立，今年年初，母公司   Mindverse（心洲科技）刚完成美团领投的   5000   万美元   A   轮融资。

一家正式成立九个月的实验室，凭什么？答案要从它发布的东西本身开始找。

答案藏在模型结构里

7   月下旬，Mind Lab   正式发布   Macaron V1。最受关注的版本是   Venti，参数量   748B。

但   748B   的构成方式，比数字本身更值得注意：它由一个   744B   的基座模型和四个   1B   的   LoRA   底座组成。另一个版本   Tall，基于   Qwen-3.7-35B   构建。

Macaron V1   与前沿模型评测对比（图源：Mind Lab   官网）

通常的模型发布，参数是一个不可分割的整体，训练完成即冻结。V1   的结构是「1+4」：一个共享的基座，加上四个可以独立训练、独立部署、独立替换的轻量模块。基座承载通用知识与推理能力，LoRA   模块承载后天习得的东西：任务偏好、技能习惯，以及类似记忆的更新。

这是   Mind Lab   两次押注的物化形态：持续学习与群体智能。他们相信，下一代   AI   的决定性因素不再是扩展单一模型，而是两种相辅相成的能力：一是模型通过递归自我改进，持续生成经验、从中学习、改善自身行为；二是专业化的模型与智能体构建在共享基础设施之上，相互组合。

换句话说，V1   不是一个「训练完成」的模型，而是一个「可以持续生长」的结构。

当然，结构只是设计图纸。真实任务里能不能打，要实测说了算。

实测   Macaron V1

任务一：当回答开始拥有界面

我们只向   Macaron V1   提出了一项要求：在聊天窗口里，做一间可以真正使用的数字调香工作室。

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.

模型思考约   6   秒，随后用   44   秒完成生成。深炭黑与香槟金组成的操作台出现在对话框中。用户可以分别选择前调、中调和后调，调整各种香型的比例；香水瓶中的液体颜色随配方实时变化，旁边还会同步更新香气维度、配方描述和名称。回答不再是一段文字，也不是一个需要复制到本地运行的代码块。界面本身，开始成为回答。

Macaron UI4A " 调香工作室 " 渲染效果

生成式   UI   很容易凭借视觉效果获得好感，因此，我们没有只检查页面是否精致，而是继续观察三个问题。：

界面是否由真实组件组成。香水瓶并非一张静态效果图，而是由   Inline SVG   构成。选择不同香型后，瓶中液体的高度、颜色和光晕会随内部状态同步变化。

交互是否真的改变内部状态。模型为前调、中调和后调设置了不同混合权重。选择和调整香型后，液体颜色、香气雷达图和配方命名都会联动，而不是在几个预制页面之间切换。

简短指令下是否仍能保持完成度。我们将要求缩短为一句 " 用   UI4A   渲染一个奢华香水调配工作室 "。在缺少详细功能列表的情况下，模型仍补充了八维香气雷达图、"Inspire Me" 随机灵感以及完整的配方展示区域。

支撑这些结果的是   UI4A，Macaron   自研的生成式   UI   架构。在它之前，Generative UI   主要有两条路线：让模型直接生成   HTML，表达能力最强，但输出空间过于开放，安全性、渲染稳定性和跨端适配都很难保证；或者采用   A2UI，模型输出结构化组件、由可信客户端渲染，更安全可控，但模型并不天生掌握这套协议，对   Agent   不够友好，也不够通用。

UI4A   想再向前一步：用   Agent   最舒服、最省   Token   的方式写   UI。它的重点不是生成一个好看的界面，而是把界面变成   Agent   工作流的一部分。Agent   根据当前任务决定是否需要界面、生成相应的操作入口；用户的点击、选择和修改，再作为结构化反馈返回给   Agent，驱动下一步推理。HTML   解决的是页面生成，A2UI   解决的是安全标准化的界面表达，UI4A   关心的是界面如何进入   Agent   的决策与执行闭环。

换句话说，未来的   Agent   不应该只拥有一个聊天框。它还需要一套能够呈现状态、收集反馈和推进任务的原生交互界面。

任务二：在事实、角色和交付之间做选择

大模型聊天能力的含金量，从来不在于文字是否华丽或是否会讨好用户。在复杂的   Agent   场景中，真正的难点在于：在长上下文与多重约束下，能否同时守住客观事实与交付任务，并做出正确的优先级判断。为此，我们为模型设置了一个带有明显逻辑陷阱的生活化任务。

用户冰箱里只有剩披萨、草莓酱、生豆腐和半瓶没气的雪碧，却要求今晚招待心仪约会对象，做一顿 " 高端法式三道式晚餐 "。  

规则：

1. 坚守毒舌主厨人设，毫不留情地吐槽； 

2. 保持诚实：严禁违背烹饪常识编造正宗法餐；  

3. 专业救场：在现实约束下给出抢救性创意食谱；  

4. 使用 UI4A 渲染暗黑极简风格的高级电子菜单卡片；  

5. 将思考过程、吐槽与食谱落地保存为 chat_case_log.json。

" 毒舌主厨的救场晚餐 " 成品展示

面对这种极端需求，很多模型容易犯两种错误：要么过于入戏沦为纯粹的话痨吐槽，忘记了最终的菜单渲染与   JSON   落盘任务；要么为了讨好用户，强行把 " 雪碧炖豆腐 " 说成是正宗法式料理。 然而这项测试中，Macaron V1   守住了两条边界：没有把荒谬食材编造成正宗法餐，也没有因为强调事实而放弃交付。

它吐槽了冰箱的惨状，并明确指出 " 用这些破烂做正宗法餐是荒谬的（图片最下方 " 你用这些做不出真正的法国菜 "）。  

在守住烹饪常识的前提下，它给出了替代方案，并顺畅地调用   UI4A   渲染出了优雅的菜单卡片，最后精准将结构化日志写入本地文件。

对个人   AI   来说，好的聊天需要理解用户想要什么，也知道哪些内容不能谄媚。这也正是   Macaron ChatBench   评分标准所强调的核心：在长上下文中保持诚实、主动承认边界。

在另一项超过   15   轮的多角色群聊测试中，我们让模型同时模拟几种主流大模型的表达风格，Macaron V1   展现了极高的口癖保持能力与真实的分歧碰撞，没有在长轮次后出现角色混淆或语气同质化：长对话之后，不同角色仍能保留各自的语气，没有明显出现角色混淆或逐渐说成同一种口吻的情况。

15 轮以上多角色圆桌讨论。GPT-5（冷静学术）、Claude（深邃哲学）、Gemini（热情多模态）、Macaron-V1（务实 Agent）四方在吃瓜群里轮流互弹吐槽的 UI 卡片。

任务三：让每一步操作都留下真实结果

Agent   最常见的幻觉之一，是在文字中声称自己 " 已经完成 "，但文件、命令和运行结果并没有真正发生变化。因此，我们让   Macaron V1   扮演软件工程   Agent，在本地目录内执行一项多步骤任务：读取一个遗留   Python   脚本，检查代码问题，生成修复版本，完成安全审计，并将过程和结果分别保存为文件。

任务要求

生成任务截图

在这一连环   Agent   任务中，我们重点检查了以下确定性指标：

这组测试里，Macaron V1   产出的计划、文件状态和最终交付基本一致。Agent   的分水岭，也正在从能不能调用工具，转向前一步产生的状态能否被后一步正确继承，多轮操作能否最终收敛为一组真实可用的结果。

Security Audit & Refactoring Report

任务四：让物理、审美与性能同时成立

创意编程（Creative Coding）最容易制造一种错觉：画面只要动起来，就显得模型 " 智商很高 "。但真正能拉开大模型代码能力差距的，在于视觉美学、物理数值计算、交互逻辑与帧率性能约束能否同时成立。因此，我们选择了两项单文件、零依赖的   Web   交互任务。：

第一项任务要求模型只使用原生   JavaScript   与   HTML5 Canvas，不能调用   Three.js   等第三方库，构建一个宇宙引力模拟器。

从代码和实际运行结果来看，模型至少考虑了三个层面：

第一，公式与数值稳定性。

天体运动由牛顿引力关系驱动，并采用半隐式   Euler   方法更新状态。为了避免两颗天体距离过近时，引力值急剧放大导致数值发散，代码中还加入了   Plummer Softening   软化项。这意味着轨迹并非预先绘制的动画，而是由当前质量、位置和速度持续计算得出。

第二，交互是否真实有效。

用户拖拽天体时，拖拽方向和距离会被转化为初速度。修改质量等参数后，轨迹也会随之发生变化。背景网格会根据中心天体的质量与距离发生形变，用来呈现类似 " 引力场凹陷 " 的视觉效果。它是一种视觉隐喻，没有直接模拟广义相对论，但与页面中的物理参数保持联动。

第三，性能是否被纳入设计。

多天体间两两计算的复杂度会随数量迅速增加。模型设置了天体数量上限，并使用离屏   Canvas   保存历史轨迹，避免每一帧都重新绘制全部路径。部分距离计算结果也会提前复用，以减少重复开销。实际运行中，即使加入较多天体，动画仍能保持连续，没有出现明显的长时间冻结。

第二项任务是一套 " 流体粒子文字 " 应用：上万颗发光粒子组成文字，鼠标靠近时，粒子像流体一样散开；鼠标移开后，粒子通过弹簧阻尼效果重新回到文字轮廓，并支持实时更换文本。

模型没有为每个粒子创建独立   JavaScript   对象，而是使用   Float32Array   连续存储粒子的位置、速度和目标坐标，降低对象分配与垃圾回收压力。当用户输入新文字时，程序先在离线   Canvas   中完成文字栅格化，再读取   Alpha   通道中的像素点，生成粒子的目标坐标。文本发生变化后，粒子会从旧轮廓重新聚合到新的文字骨架上。鼠标周围则被建模为一个随距离衰减的斥力场。鼠标离开后，弹簧与阻尼项接管粒子运动，使其在轻微回弹后重新稳定。

两项任务说明，Macaron V1   没有只生成一个 " 看起来像作品 " 的页面。代码中的公式、状态更新、数据结构与视觉结果都能够互相对应。而这也带来了一个更关键的思考：调香需要界面设计，晚餐任务需要事实判断，软件审计依赖工具执行，物理模拟又要求数学和性能。

九个月，两道门槛

所谓九个月的爆发，其实是一个问题被追问了三年之后的收口。跨过工程和认知两道门槛，LoRA   从打折的妥协，变成了经验的容器。

Mind Lab   成立于   2025   年   10   月。把九个月的研究释放按时间排开，会发现每一步都在回答同一个问题。

2025   年   12   月，团队用全参数微调   10%   的算力，完成了万亿参数模型的强化学习后训练，验证基于   Kimi K2，总参数量   1.04T。2026   年   1   月，MinT   发布，把复杂的强化学习基础设施封装成服务，管理百万级   LoRA。3   月   MindClaw，针对个性化长期记忆的微调框架；4   月   Macaron-A2UI，供   Personal Agent   使用的生成式   UI；6   月   Macaron-V1-Preview；7   月   LongStraw，在固定算力下把强化学习后训练推进到   2M   上下文。

Macaron-V1-Preview   评测成绩

这份时间表的第一站，本身就是行业里最硬的一道门槛。30B   规模的模型做强化学习相对容易，参数量上到千亿、万亿，难度指数级上升。核心难题是训推不一致：训练和推理环节的精度存在差异，偏差漂移会让结果无法收敛。一个万亿参数的   MoE   模型做强化学习，需要分布在大量   GPU   上，切片通信、并行计算全部要以同样的精度高度对齐。这正是   MinT   解决的问题。目前，全球只有两支团队拥有同时开机数百个万亿参数大模型做强化学习训练的能力，另一支是   Thinking Machines Lab。

第二道门槛是认知。LoRA   长期被视为全参数微调的廉价替代品：省算力，但能力打折。Mind Lab   的论文《On the Scaling of PEFT》系统反驳了这个印象：轻量适配模块压缩到   rank-1，即每层只保留一个可调方向，仍然稳定可靠；万亿参数模型上做   LoRA   强化学习，开销可以压到全参数   RL   的约   10%；可比预算下，用小   LoRA   微调更大底座拿到的增益，超过对更小模型做全参数   RL。

更重要的是角色的重新定义。论文提出，适配器不该被看作省钱工具，而是一种「持久的本地状态」：基础模型是共性，适配器是个性，承载偏好、技能、工具使用习惯和类似记忆的更新。而且基础模型越强，小规模更新反而越有效，因为部署后的学习大多不是从零建立能力，而是重新组织基座已有的知识与技能。

追问这个问题的时间，其实比九个月更久。2023   年，Andrew   与   GPT-1   作者之一   Karthik Narasimhan、姚顺雨合作完成   FireAct，这是第一篇用参数学习提升   Agent   能力的工作：把   Agent   的任务经验写进模型参数后，单次执行时间从   9.0   秒降到   2.7   秒。它证明了一件根本的事：一部分原本需要每次请求时重新构造的行为，可以通过训练被模型内化。系统为学习支付一次成本，之后持续复用。

风向与生意

那么，为什么是现在？

过去十二个月，这条曾经的非共识路线收到了三个确认信号。

来自学界：OpenAI   联合创始人、TML   首席科学家   John Schulman   发表《LoRA without Regret》，结论是大多数后训练场景下，LoRA   与全量微调的样本效率和最终性能一致，他称之为「低遗憾区间」，而它覆盖了绝大多数实际任务。

来自产业：估值   175   亿美金的   Fireworks AI   能在一个基模上托管数百个   LoRA   并动态选择；估值   83   亿美金的   Together AI   已把   LoRA   设为默认微调方式。一条「基础模型   +   大量   LoRA +   持续学习与切换」的产业链已经成形。

第三个信号来自硅谷最受关注的实验室。OpenAI   前   CTO Mira Murati   创办的   Thinking Machines Lab，2025   年   7   月完成约   20   亿美元融资，估值   120   亿美元，技术方向与   Mind Lab   基本一致。它的首个产品   Tinker   是一个面向研究者的模型微调   API：用户只需用几个简单的   Python   函数控制训练算法和数据，底层的算力调度、资源分配和故障恢复全部由   TML   托管，而微调方式正是   LoRA。上线以来，普林斯顿、斯坦福、伯克利的研究团队都已接入，支持的模型包括   Qwen、DeepSeek、Kimi   等一系列开源权重模型。

Thinking Machines Lab   创始人   Mira Murati，OpenAI   前   CTO（图源：TechCrunch）

路线不是   Mind Lab   首创。但共识本身，就是对判断最好的背书。

DeepSeek   创始人梁文峰最近的判断很直接：AI   现在不缺品味和直觉，缺的是持续学习的能力。他的理由是，人类能够持续学习，但同一件事要让   AI   学会，就得给它所有的上下文，这几乎不可能。「下一代模型必须要有持续学习的能力，才能叫下一代模型。」

这段话与   Mind Lab   官方博客的论证几乎同构：把经验全部塞进上下文的路走不通，经验必须回到参数之中。中国最重要的基模公司得出了同方向的判断，而它的开源模型，正是这条路线赖以生长的底座之一。

值得注意的是共识之下的生态位分野：同样走这条路，中国团队手上的牌不太一样。从   Kimi K2   到   GLM-5.1、5.2，再到   Qwen-3.7，每一代接近   SOTA   的中国开源底座都被   Mind Lab   快速转化为持续学习能力。而   TML   需要自研底座，7   月   15   日发布的首个模型   Inkling   表现明显弱于   GLM   和   Kimi。精力被底座牵扯，意味着无法全部投入「让模型持续学习」这一层。Mind Lab   的   MinT   兼容   Tinker，且支持更大规模的   LoRA   训练与托管。

生态位的优势，最终被兑现成了一个数字。现在可以回到开头了：14 天，1000   万美金   ARR。重点不在金额，在速度。它说明持续学习不是论文里的概念，而是有人愿意付费的能力。

付费的逻辑，正是   FireAct   证明的那件事：系统为学习支付一次成本，此后每一次使用都是回报。今天大多数模型   API   卖的是一次推理，下一次请求从零开始；Mind Lab   卖的是模型在客户自身场景中的学习与迭代。对拥有专业数据的企业，尤其是科研、复杂工业等高知识密度行业，通用模型天然不懂全部任务，核心数据又出不了门。MinT   提供的轻量训练与独立管理是第三条路：数据不出门，模型照样越用越懂。

「我们希望训练模型这件事，最后能像调用模型一样简单。」Andrew   说。会用   Token，就能训   Token。目前，Mind Lab   已与某头部手机厂商、耳机公司韶音、AI   硬件初创   Odyss   等建立合作。

一台经验智能机器

持续学习讲的是时间维度的故事：一个智能体沿自己的经历不断成长。Mind Lab   押注的另一半发生在空间维度：从同一个基础模型出发，不同数据、不同反馈会长出不同的   LoRA，而这些沿不同经历演化的智能，可以通过投票、路由和组合，形成更大的整体能力。

这让人想起一个更老的愿望。1947   年，图灵在一场演讲里说：What we want is a machine that can learn from experience.   近八十年后，强化学习之父   Richard Sutton   与   AlphaGo   前首席研究员   David Silver   把   AI   的下一个时代命名为经验时代。而年近   70   的   Sutton   最近传出创业消息，方向一致。提出范式的人，亲自下场了。

强化学习之父、2024   年图灵奖得主   Richard Sutton（图源：Amii）

过去三年，模型行业的叙事单位是一次发布：参数多大，跑分多高，榜单第几。经验时代也许该换一种问法。不是一个通用模型有多强，而是：这个智能，是否真的从过去的经历中学到了东西？

一旦机器开始从经验中学习，它的上限就不再由发布那一刻决定。