A | 马斯克确认星舰实现稳定高频飞行后，将逐步停产退役猎鹰 9 及猎鹰重型火箭，集中资源升级星舰发射能力。商业猎鹰9或2028年退出市场，退役时间取决于星舰研发进展。 新鲜速递 最近几天，模型行当风起云涌 而我们的 MindLab 也拿出了的作品 Macaron V1：通过后训练，让 GLM5.2 再次伟大 MindLab 成立于去年 12 月，现如今是唯一完成对 GLM-5.1/5.2 完成后训练的外部团队Mind Lab 成立｜64 张卡跑万亿参数 RL，开源 作为当下国内最受瞩目的 NeoLab 之一，本文重点聊聊 MindLab 他们的模型成果、技术路线以及优化方式 模型与训练 NeoLab 的研究方向，是在现有基模下进行 LoRA 训练，即：对现有模型，取出大约 0.5% 的核心参数来训练，并有效的提高原有模型的素质。（新浪财经）原文链接。
B | 在 MindLab 成立之初，这套方法就在在 Kimi K2 进行了验证：64 张 H800 搞定万亿参数模型的强化学习 但后训练有个经典难题：对话、推理、编程、工具调用等能力混在一起训，往往按下葫芦浮起瓢。团队为此独创了 Mixture-of-LoRA（MoL）：在冻结的基座上挂载多个独立的 LoRA 专家，每个专家专精一个方向，各自在隔离的适配空间中优化，彻底消除能力间的相互干扰。这套方法先是在 GLM-5.1 上跑通了预览版 Macaron-v1-Preview 随后，也就是在正式版 Macaron V1 中，团队把基座换成了 GLM 5.2，并对模型能力进行了全面升级 V1 提供两款变体： 旗舰 Venti（748B）：基于 GLM-5.2（原生 1M 上下文），通过 4 个 1B 的 LoRA 专家分别覆盖 Chat、Agent、Coding、UI 四大方向，切换由显式 Router Tool 控制，未来新增能力的话，只需再挂一个 LoRA 轻量 Tall（35B）：基于 Qwen 3.6 后训练，专为本地部署优化。 同时，团队还通过自研的 LongStraw 技术，将 GLM 5.2 的上下文扩展至 2M，并通过将共享提示词复用为常驻状态，大幅降低长序列开销。除了模型本体，团队还同步打造了三个关键配套，与模型联合训练： UI4A：通用生成式 UI 架构，让模型能渲染交互式视图（不仅是文本），不依赖特定基座，即使未经微调的模型也能驱动，独立于 Macaron 的通用底座 REPL Harness：为模型提供持久的 Python 运行环境，模型可用 save_tool 自行编写工具，用 promote_tool 将其提升为跨会话可用的全局工具 MinT 后训练平台：MindLab 自研的训练基础设施，核心设计是 Actor 与 Learner 之间只传递 Adapter（而非完整权重），天然契合 MoL 架构，支持百万级 Adapter 目录，端到端可覆盖万亿参数规模 模型跑分 我曾经问锴杰，怎样才能让模型智能不断提升？得到了一个回答：来自真实产品环境的奖励函数 从模型愿景上来说，马卡龙是希望能够在日常生活中真正帮上忙，并且是长期持续为创造价值，为此他们自建了两个基准，用于指导模型训练，如下： Macaron ChatBench 作为 Agent 最基本的能力，需要评测 Agent 在长上下文中是否对用户保持诚实，而非「先把事情搞砸，然后道歉」 Macaron LivingBench 这是一个模拟的沙盒环境，包含三种相互关联的动态机制：动态噪声、动态生存环境以及动态用户。评测观察模型是否能够持续理解用户的需求，验证信息准确性，重新规划任务路径，在用户保持耐心的情况下完成任务，说白了：完成任务，然后提供更好的体感 除此之外，还有一些常规 Bench，也让大家看一下成色 benchmark 对比图 除此之外，我不知道是不是由于还在内测，用的人很少...就是这个模型快的离谱，我让他自己写了个自己的测速脚本，然后看看自己的速度：320字/秒 我觉得它在糊弄我...于是我还录了个屏，让他做打点标记 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 我问锴杰：对于推理速度，你们干了啥？ 锴杰：的确做了速度性能的优化，但太强调的话，我怕后面大家体验如果和你的实测指标不一致，会生气 好的，我绝对不说速度的事儿，另外还有个事情我得说一下，在我写这篇文章的时候，我让 Macaron 帮我去迭代了我的「大撒币计划」：速测 Qwen3.8 预览版：我用 1 小时，开发了套撒币系统 我是这么要求他的...四舍五入啥也没说，让他自己干 然后...它帮我迭代了所有的 ux，并且额外修了点 bug 看几个案例 这里我就直接放点官方的 Case 了 Coding：用 Three.js 做了一个夜航船 3D 网页。第一人称站在木船上，河灯飘在两侧，靠近时浮出诗句 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 夜航船 3D 网页（马卡龙版） 同样的 prompt，GPT 5.6 也做了一版 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 夜航船 3D 网页（GPT版） Agent：从零构建一个混沌磁摆模拟器。小球在重力、阻尼和三枚磁铁作用下运动，实时渲染分形区域 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 混沌磁摆模拟器 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 3D魔方 然后这里还有个我觉得很有意思的 Case：3D 二维码... （提问：3d二维码是几维码？） 播放 下一个 打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击 恢复音量 画中画 网页全屏 全屏 你可以 刷新 试试 视频信息 1.33.6 播放信息 上传日志 调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 对了，测试 UI4A 可以用 Mind Lab 发的 Claude Code 插件 Macaron Artifacts `github.com/mindverse-ltd/macaron-artifacts` 接进 Claude Code 现在大家基本都在用 Claude Code 调各种模型，我整理了一下接法 打开 CC Switch，选顶部 Claude Code 图标，点右上角 `+`，选「手动添加」 Name 随便填，比如 `Macaron-V1`，Base URL、API Key、Model 都留空，核心是下面这段 JSON： { "env": { "ANTHROPIC_BASE_URL": "https://mintcn.macaron.xin", "ANTHROPIC_AUTH_TOKEN": "sk-xxxx", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1" }, "model": "macaron-v1-coding-venti" } CC Switch 配置截图 我是看着 Mind Lab 从成立的，看着他们团队建立，看着他们跑通 MoL，再到发布自己的模型，不断着验证自己的判断：通过后训练让模型持续变强，经由多专家协同让能力可生长。
Current article:http://g7h.cesangrangshunzashuangruijiu.pics/0amp9/20260826/661122.html
Published on:09:42:08
