做一个能自迭代的后训练平台，Mind Lab要让更多企业拥有自己的模型

文｜王欣逸
编辑｜张雨忻

若你近期与投资人闲谈，会察觉一个趋势：AI领域的关注焦点再次转向模型与AI Infra（基础设施）。模型方面，对应的是当前应用遇冷，热度向上游转移；而AI Infra的一大焦点，则是后训练平台与推理平台。

昨天，Mind Lab发布了最新成果：推出面向行业的模型后训练与推理平台Mint Recursive，以及基于该平台进行后训练的模型Macaron-V1.1。

Macaron-V1.1是一款基于GLM-5.3进行后训练、参数规模达752B的模型。 7月，Mind Lab创始人陈锴杰透露，从基于GLM-5.1后训练的Macaron-V1-Preview到基于GLM-5.2的Macaron-V1，间隔不到一个月。而迭代速度持续加快，据悉， Macaron-V1.1从上一代迭代而来，仅用了不到两周。

Macaron-V1.1由744B的基座模型与四个2B的LoRA专家模块组成，这四个LoRA分别负责Chat、Agent、Coding与Generative UI（生成式UI）。

从V1的1B LoRA升级至当前的2B LoRA，他们正探索更理想的专家参数规模。根据Benchmark结果，相比V1，V1.1在六个Agent榜单上全面提升，尤其在SWE-Marathon（超长程AI编程能力）表现突出。

△Macaron-V1.1 benchmark表现，来源：企业

更值得关注的是，Macaron V1.1完全基于Mint Recursive完成训练。

Mint Recursive是一个后训练与推理平台，其工作流程涵盖测评、数据、后训练与部署推理。用户可通过API与Python SDK调用平台的训练与部署能力；还能接入生产环境中的反馈，使模型在真实任务中持续改进。而这一整套流程，已在Macaron V1.1模型的迭代中得到验证。

就在这一节点，Mind Lab集中发布了一系列成果，将过去在持续学习与Infra领域积累的Know-how，沉淀为可对外提供的服务。

做后训练的Infra

Mind Lab一边做模型、一边做Infra，这并不令人意外。

今年1月，他们便率先推出了Mint Recursive的早期形态——一个关于LoRA训推的基础设施平台，为客户提供大模型后训练全流程解决方案。

与此同时，在Infra层面下功夫，正逐渐成为行业共识。

几天前，智谱创始人、首席科学家唐杰在X上发文，阐述了他们用AI改进AI的最新进展：让GLM-5.3驱动的Infra Agent，自动优化GLM-5.3自身的推理引擎，使一个由超过10万张国产芯片组成的集群，在不到两周内，将端到端吞吐提升至初始基线的3倍。

智谱正在做的，是让AI自我改进推理层Infra。同样由模型参与优化自身，但Mind Lab想解决的问题不同——他们要做一个后训练平台，旨在优化从后训练到部署推理的整个流程，涵盖数据、评测、部署、反馈收集等步骤。

Mint Recursive平台由三大模块组成：Train&Deploy（训练与部署）、Env Hub（环境中心）、Data&Experience（数据与经验）。该平台支持模型、SFT（监督微调）、RL（强化学习）、DPO（偏好训练）、全参微调等算法，兼容GLM、Qwen、DeepSeek、Kimi、MiniMax等多种尺寸的开源模型；训练完成后可一键部署，并配有测评体系，为下一轮模型训练做准备。

去年9月，OpenAI前CTO Mira Murati创办的Thinking Machines Lab发布了一篇题为《LoRA Without Regret》的技术博客，从理论与实验上证明，只要方法得当，LoRA的效果可媲美全参数微调。此后，LoRA几乎成为后训练领域的普遍方案。

值得一提的是，Mind Lab一直关注“LoRA”这一后训练范式。这次，他们在此路线上更进一步：在Mint Recursive中，他们利用LoRA将训练与部署都做成Serverless（无服务器）模式——客户无需自购GPU、管理集群，可直接按Token用量计费。

在训练侧，Mint Recursive旨在让模型更聪明——通过LoRA方式，仅训练少量新增参数，根据业务目标，不断从业务反馈中学习、持续迭代能力，使模型更懂业务，同时显著降低企业后训练成本。

在部署侧，四个LoRA专家模块对应的四个业务版本，各自是一个轻量级Adapter（外挂插件），挂在同一基座模型上。这些Adapter互不干扰、非常灵活，每个Adapter都可单独升级、上线与下线，历史版本也保留着，便于客户对照与回滚。客户也可将某个Adapter合并到基座模型中，形成完整的独立模型。

这也正是LoRA的核心思路：共用基座模型，在每个业务场景只做针对性后训练。其优势在于，模型后训练、部署与迭代的成本大幅下降，权重调整也更加灵活。

后训练所需的数据、评测、反馈等每一步，都离不开Infra的支撑。从做后训练到做后训练Infra，Mind Lab的选择很自然。

但在交出Mint Recursive答卷之前，他们做了充分准备：

2025年，Mind Lab开始在Kimi K2等万亿参数模型上做后训练研究，Mint Recursive的基础设施最早也是那时开始搭建；

随后，2025年底，他们向NVIDIA Megatron-Bridge贡献了业界首个1T参数量级的LoRA-RL，为Megatron补充了面向超大规模基座的轻量化强化学习经验；

2026年中，参与火山引擎的强化学习训练框架veRL、NVDIA的下一代训练后端megatron_lite等多个开源项目，提供了一些LoRA与强化学习解决方案；

2026年7月，Macaron-V1系列正式发布并开源，验证了这套训练方案在Agent、Coding等任务中的有效性。

Infra很重要，但并非所有公司都能做Infra，也未必有必要单独做Infra。

万亿模型的后训练，工程难度远超想象。分布式训练的显存调度、训推一致性的精度对齐、异步RL的权重热更新，对于一家创业公司而言，每项都是硬骨头。

陈锴杰表示，训练小模型的强化学习很容易，但一旦规模扩大，难度会急剧上升，尤其是在强化学习之上叠加了LoRA的持续学习训练方法。

目前，Mint Recursive主要提供三种服务：类似FDE形式的专家与企业共同完成训练；依托平台进行自动化训练；企业通过API与Python SDK自主训练。

训一个企业自己的模型

越来越多企业希望拥有自己的模型，这也是轻量后训练、持续学习训练范式受到推崇的原因。

从落地角度看，企业端或许是定制化模型最迫切的场景。“通用大模型仅能覆盖各行业20%-30%的场景，剩余70%-80%的部分，都需要垂直持续学习来优化。”陈锴杰提到。

海外市场已率先验证这一趋势。Fireworks AI，一家做开源模型推理与后训练托管的硅谷公司，今年7月估值已达175亿美元，ARR突破10亿美元，日Token处理量超过40万亿。

Fireworks AI CEO乔琳在与红杉的对谈中指出：“后训练已不再是模型团队的专属游戏。AI产品在找到PMF、开始规模化后，后训练几乎是绕不开的必修课。”

具体而言，相比模型厂商，AI产品公司的壁垒在于用户真实使用产生的数据、真实任务、反馈与偏好等。Fireworks平台上，95%以上的流量来自客户自己微调的专用模型，而非通用基座。这一逻辑被乔琳定义为“拥有自己的智能”。

“应用公司做模型”这一选择，正发生在越来越多企业身上—— AI应用的竞争点从产品本身，逐渐转向产品的经验智能，包括自身的判断、Taste、业务数据以及对客户的理解等方面。

应用公司最独特的资产来自真实生产环境：它了解用户真正想完成什么、哪些结果算好、哪里反复失败，以及专业人员如何判断结果。如何让企业拥有自己的智能，将行业经验融入基座模型？

Mint Recursive尝试的是 让企业建立自身的评测体系、奖励机制、训练数据，将后训练打造成一个持续迭代的闭环：模型在服务用户后积累真实任务场景数据，每次交互的轨迹，无论成功或失败，都会被完整记录。

其中，失败的轨迹极具价值：哪里做错了、为什么错、如何修改，平台在找到问题与解决方案后，这些判断与轨迹会直接转化为新的训练数据；用新数据重新训练并上线后，又会生成新反馈，新反馈再成为下一轮训练的输入，如此循环往复。

平台中的Env Hub（环境）环节容易被忽视，但它尤为关键。英伟达的一篇Agentic RL技术博客提到，做Agent强化学习需要环境来定义数据集、验证器与状态。环境不仅是模型训练场，也是评测场，评测、合成数据、强化学习均可在一套环境中完成。

尽管Mint Recursive中的Recursive（递归）仍处于初级形态——人仍在递归回路中，离模型全自动自我训练尚有距离，但模型迭代方向已很明确。对客户而言，更重要的并非模型本身，而是企业手中的一线业务现场与独一无二的真实业务数据。

图片来源｜企业供图

欢迎关注～

欢迎交流～

本文来自微信公众号“智能涌现”，作者：王欣逸，36氪经授权发布。

在模型迭代过程中，部分企业通过皇冠娱乐APP下载获取了额外的训练数据，进一步优化了后训练效果。