做一個能自迭代的后訓練平臺，Mind Lab要讓更多企業擁有自己的模型

文｜王欣逸

編輯｜張雨忻

如果你近期有和投資人閒聊兩句，會得出這樣一個結論：AI圈的關注點再一次回到了模型和AI Infra（基礎設施）。模型，對應着時下應用遇冷，熱度向上遊轉移；而AI Infra的關注點之一，是后訓練平臺和推理平臺。 

昨天，Mind Lab發佈了他們的最新成果：推出面向行業的模型后訓練與推理平臺Mint Recursive，以及基於這一平臺做后訓練的模型Macaron-V1.1。 

Macaron-V1.1是一個基於GLM-5.3做后訓練、參數為752B的模型。 7月，Mind Lab創始人陳鍇傑告訴我們，從基於GLM-5.1后訓練的Macaron-V1-Preview到基於GLM-5.2的Macaron-V1，中間只隔了不到一個月。而迭代還在加速，據瞭解， Macaron-V1.1從上一代迭代而來僅用了不到兩周。

Macaron-V1.1由744B的基座模型和四個2B的LoRA專家模塊組成，其中四個LoRA分別負責Chat、Agent、Coding和Generative UI（生成式UI）。 

從V1的1B LoRA變成了現在的2B LoRA，他們也正在摸索更為理想的專家參數規模。從Benchmark結果來看，相比V1，V1.1在6個Agent榜單上全面提升，在SWE-Marathon（超長程AI編程能力）表現尤為出色。。 

△Macaron-V1.1 benchmark表現，來源：企業

更值得注意的是，Macaron V1.1完全基於Mint Recursive完成訓練。 

Mint Recursive是一個后訓練與推理平臺，其工作流程包括測評、數據、后訓練與部署推理，用户通過API和Python SDK即可調用平臺的訓練和部署能力；還能接入生產環境中的反饋，讓模型在真實任務中持續改進。而這套流程，Mint Recursive 在Macaron V1.1模型的迭代上已經跑通。 

就在這一節點，Mind Lab集中發佈了一系列成果，把過去一段時間在持續學習與Infra領域積累的Know-how，沉澱為一套可對外提供的服務。 

做后訓練的Infra

Mind Lab一邊做模型、一邊做Infra，這並不讓人意外。 

在今年1月，他們就率先推出了Mint Recursive的早期形態——一個關於LoRA訓推的基礎設施平臺，為客户提供大模型后訓練全流程解決方案。 

與此同時，在Infra層面下功夫，正慢慢成為一個行業共識。 

幾天前，智譜創始人、首席科學家唐傑在X上發了一篇長文，闡述了他們用AI改進AI的最新進展，他們讓GLM-5.3驅動的Infra Agent，自動優化GLM-5.3自己的推理引擎，讓一個超10萬張國產芯片組成的集群，在不到兩周的時間里，將端到端吞吐提升至初始基線的3倍。 

智譜正在做的就是讓AI去自我改進推理層Infra。同樣是模型參與優化自己，大家想解決的問題不同——Mind Lab要做一個后訓練平臺，想優化的是從整個后訓練到部署推理的流程，囊括數據、評測、部署、反饋收集等步驟。 

Mint Recursive平臺由三大模塊組成：Train&Deploy（訓練與部署）、Env Hub（環境中心）、Data&Experience（數據與經驗）。這一平臺支持模型、SFT（監督微調）、RL（強化學習）、DPO（偏好訓練）、全參微調等算法，兼容GLM、Qwen、DeepSeek、Kimi、MiniMax等多種尺寸的開源模型；訓練完成后可一鍵部署，還有配套的測評體系，為下一輪模型訓練做準備。 

去年9月，OpenAI前CTO Mira Murati創辦的Thinking Machines Lab發佈了一篇名為《LoRA Without Regret》的技術博客，從理論和實驗上證明了，只要方法得當，LoRA的效果可以比肩全參數微調。從那以后，LoRA幾乎成了后訓練領域的普遍採用的方案。 

值得一提的是，Mind Lab一直關注「LoRA」這一后訓練範式，這次他們也在這條路線上更進一步，在Mint Recursive中，他們用LoRA把訓練和部署都做成了Serverless（無服務器）的模式：客户無需自己買GPU、管理集群，可以直接按Token用量計費。 

在訓練側，Mint Recursive想實現的是讓模型更聰明——用LoRA的方式，只訓練一些少量的新增參數，根據業務目標，不斷從業務反饋中學習、持續迭代能力，讓模型變得更懂業務，與此同時，還能顯著降低企業后訓練的開銷。 

在部署側，4個LoRA專家模塊對應的4個業務版本各自是一個輕量級的Adapter（外掛插件），掛在同一個基座模型上。這些Adapter互不干擾、非常靈活，每個Adapter都能單獨升級、上線與下線，歷史版本也保留着，便於客户對照與回滾。客户也可以把某個Adapter合併到基座模型里，變成一個完整的、獨立的模型。 

這也正是LoRA的核心思路，共用基座模型，在每個業務場景只做針對性的后訓練。好處在於，模型后訓練、部署與迭代的成本能實現大幅下降，調整權重也更加靈活。 

后訓練所需的數據、評測、反饋等，每一步都離不開Infra的支撐。從做后訓練到做后訓練Infra，Mind Lab的選擇很自然。 

但在交出Mint Recursive答卷之前，他們也能做了很多準備： 

2025年，Mind Lab開始在Kimi K2這樣的萬億參數模型上做后訓練研究，Mint Recursive的基礎設施最早也是那時開始搭的； 

隨后，2025年底，他們向NVIDIA Megatron-Bridge貢獻了業界首個1T參數量級的LoRA-RL，為Megatron補充了面向超大規模基座的輕量化強化學習的經驗； 

2026年中，參與火山引擎的強化學習訓練框架veRL、NVDIA的下一代訓練后端megatron_lite等多個開源項目，提供了一些LoRA和強化學習解決方案； 

2026年7月，Macaron-V1系列正式發佈並開源，驗證了這套訓練方案在Agent、Coding等任務中的有效性。 

Infra很重要，但不是所有公司都能做Infra，以及有必要單獨做Infra。

萬億模型的后訓練，工程難度遠超想象。分佈式訓練的顯存調度、訓推一致性的精度對齊、異步RL的權重熱更新，對於一家創業公司而言，每一塊都是硬骨頭。 

陳鍇傑告訴我們，訓練小模型的強化學習其實很容易，但是一旦規模上來了，難度會變得非常大，尤其是他們還在強化學習之上，疊加了LoRA的持續學習訓練方法。 

目前，Mint Recursive主要提供三種服務：類似FDE形式的專家與企業一起完成訓練；依託平臺進行自動化訓練；企業通過API和Python SDK自主訓練。 

訓一個企業自己的模型

越來越多企業想要擁有自己的模型，這也是輕量的后訓練、持續學習的訓練範式被推崇的原因。 

從落地角度看，企業端或許是定製化模型最為迫切的場景。「通用大模型僅能覆蓋各行業20%-30%的場景，剩下70%-80%的部分，都需要垂直持續學習來優化。」陳鍇傑提到。 

海外市場已經先一步驗證了這個趨勢。Fireworks AI，一家做開源模型推理和后訓練託管的硅谷公司，今年7月，其估值已經達到175億美元，ARR突破10億美元，日Token處理量超過40萬億。 

Fireworks AI CEO喬琳在和紅杉的對談中提到：「后訓練已經不是模型團隊專屬遊戲了，AI產品在找到PMF、開始規模化后，后訓練幾乎是它們繞不開的一門必修課。」 

具體來看，相比於模型廠商，AI產品公司的壁壘在於用户真實使用產生的數據、真實任務、反饋與偏好等。Fireworks平臺上95%以上的流量，來自客户自己微調的專用模型，而不是通用基座。這一邏輯，被喬琳定義為「擁有自己的智能」。 

「應用公司做模型」這一選擇，正發生在越來越多的企業身上—— AI應用的競爭點從產品本身，逐漸變成產品的經驗智能，包括自己的判斷、Taste、業務數據和對客户的理解等方面。

應用公司最獨特的資產來自真實生產環境：它知道用户究竟想完成什麼、哪些結果算好、哪里反覆失敗，以及專業人員真正怎樣判斷結果。如何讓企業擁有自己的智能、把行業經驗合併進基座模型中？ 

Mint Recursive在嘗試的就是 讓企業建立起自己的評測體系、獎勵機制、訓練數據，把后訓練做成一個持續迭代的閉環 ：模型在服務用户后積累下真實任務場景數據，每次交互的軌跡，無論成功還是失敗，都會被完整記錄下來。 

這其中，失敗的軌跡相當有價值，哪里做錯了、為什麼錯、應該怎麼改，平臺在找到問題和解決方法后，這些判斷和軌跡會直接變成新的訓練數據；用新數據重新訓練完上線后，又會產生新的反饋，新的反饋又變成下一輪訓練的輸入，如此循環往復。 

平臺中的Env Hub（環境）環節容易被忽略，但它尤其關鍵。英偉達的一篇Agentic RL技術博客中提到，做Agent強化學習需要環境來定義數據集、驗證器和狀態。環境不只是模型的訓練場，也是評測場，評測、合成數據、強化學習，都可以在一套環境中完成。 

儘管Mint Recursive中的Recursive（遞歸）還處於初級形態——人依然在遞歸的迴路中，離模型全自動自己訓練還比較遙遠，但模型迭代方向已經很明確了。對客户而言，更為重要的不是模型本身，而是企業手里的一線業務現場與獨一無二的真實業務數據。 

圖片來源｜企業供圖

歡迎關注～

歡迎交流～

本文來自微信公眾號「智能涌現」，作者：王欣逸，36氪經授權發佈。