文｜王欣逸
编辑｜张雨忻
如果你近期有和投资人闲聊两句，会得出这样一个结论：AI圈的关注点再一次回到了模型和AI Infra（基础设施）。模型，对应着时下应用遇冷，热度向上游转移；而AI Infra的关注点之一，是后训练平台和推理平台。
昨天，Mind Lab发布了他们的最新成果：推出面向行业的模型后训练与推理平台Mint Recursive，以及基于这一平台做后训练的模型Macaron-V1.1。
Macaron-V1.1是一个基于GLM-5.3做后训练、参数为752B的模型。7月，Mind Lab创始人陈锴杰告诉我们，从基于GLM-5.1后训练的Macaron-V1-Preview到基于GLM-5.2的Macaron-V1，中间只隔了不到一个月。而迭代还在加速，据了解，Macaron-V1.1从上一代迭代而来仅用了不到两周。
Macaron-V1.1由744B的基座模型和四个2B的LoRA专家模块组成，其中四个LoRA分别负责Chat、Agent、Coding和Generative UI（生成式UI）。
从V1的1B LoRA变成了现在的2B LoRA，他们也正在摸索更为理想的专家参数规模。从Benchmark结果来看，相比V1，V1.1在6个Agent榜单上全面提升，在SWE-Marathon（超长程AI编程能力）表现尤为出色。。
△Macaron-V1.1 benchmark表现，来源：企业
更值得注意的是，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，其工作流程包括测评、数据、后训练与部署推理，用户通过API和Python SDK即可调用平台的训练和部署能力；还能接入生产环境中的反馈，让模型在真实任务中持续改进。而这套流程，Mint Recursive 在Macaron V1.1模型的迭代上已经跑通。
就在这一节点，Mind Lab集中发布了一系列成果，把过去一段时间在持续学习与Infra领域积累的Know-how，沉淀为一套可对外提供的服务。
做后训练的Infra
Mind Lab一边做模型、一边做Infra，这并不让人意外。
在今年1月，他们就率先推出了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，正慢慢成为一个行业共识。
几天前，智谱创始人、首席科学家唐杰在X上发了一篇长文，阐述了他们用AI改进AI的最新进展，他们让GLM-5.3驱动的Infra Agent，自动优化GLM-5.3自己的推理引擎，让一个超10万张国产芯片组成的集群，在不到两周的时间里，将端到端吞吐提升至初始基线的3倍。
智谱正在做的就是让AI去自我改进推理层Infra。同样是模型参与优化自己，大家想解决的问题不同——Mind Lab要做一个后训练平台，想优化的是从整个后训练到部署推理的流程，囊括数据、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）。这一平台支持模型、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，还有配套的测评体系，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发布了一篇名为《LoRA Without Regret》的技术博客，从理论和实验上证明了，只要方法得当，LoRA的效果可以比肩全参数微调。从那以后，LoRA几乎成了后训练领域的普遍采用的方案。
值得一提的是，Mind Lab一直关注“LoRA”这一后训练范式，这次他们也在这条路线上更进一步，在Mint Recursive中，他们用LoRA把训练和部署都做成了Serverless（无服务器）的模式：客户无需自己买GPU、管理集群，可以直接按Token用量计费。
在训练侧，Mint Recursive想实现的是让模型更聪明——用LoRA的方式，只训练一些少量的新增参数，根据业务目标，不断从业务反馈中学习、持续迭代能力，让模型变得更懂业务，与此同时，还能显著降低企业后训练的开销。
在部署侧，4个LoRA专家模块对应的4个业务版本各自是一个轻量级的Adapter（外挂插件），挂在同一个基座模型上。这些Adapter互不干扰、非常灵活，每个Adapter都能单独升级、上线与下线，历史版本也保留着，便于客户对照与回滚。客户也可以把某个Adapter合并到基座模型里，变成一个完整的、独立的模型。
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的后训练。好处在于，模型后训练、部署与迭代的成本能实现大幅下降，调整权重也更加灵活。
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，他们也能做了很多准备：
2025年，Mind Lab开始在Kimi K2这样的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的；
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的经验；
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和强化学习解决方案；
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，但不是所有公司都能做Infra，以及有必要单独做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，每一块都是硬骨头。
陈锴杰告诉我们，训练小模型的强化学习其实很容易，但是一旦规模上来了，难度会变得非常大，尤其是他们还在强化学习之上，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形式的专家与企业一起完成训练；依托平台进行自动化训练；企业通过API和Python SDK自主训练。
训一个企业自己的模型
越来越多企业想要拥有自己的模型，这也是轻量的后训练、持续学习的训练范式被推崇的原因。
从落地角度看，企业端或许是定制化模型最为迫切的场景。“通用大模型仅能覆盖各行业20%-30%的场景，剩下70%-80%的部分，都需要垂直持续学习来优化。”陈锴杰提到。
海外市场已经先一步验证了这个趋势。Fireworks AI，一家做开源模型推理和后训练托管的硅谷公司，今年7月，其估值已经达到175亿美元，ARR突破10亿美元，日Token处理量超过40万亿。
Fireworks AI CEO乔琳在和红杉的对谈中提到：“后训练已经不是模型团队专属游戏了，AI产品在找到PMF、开始规模化后，后训练几乎是它们绕不开的一门必修课。”
具体来看，相比于模型厂商，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，而不是通用基座。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，正发生在越来越多的企业身上——AI应用的竞争点从产品本身，逐渐变成产品的经验智能，包括自己的判断、Taste、业务数据和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：它知道用户究竟想完成什么、哪些结果算好、哪里反复失败，以及专业人员真正怎样判断结果。如何让企业拥有自己的智能、把行业经验合并进基座模型中？
Mint Recursive在尝试的就是让企业建立起自己的评测体系、奖励机制、训练数据，把后训练做成一个持续迭代的闭环：模型在服务用户后积累下真实任务场景数据，每次交互的轨迹，无论成功还是失败，都会被完整记录下来。
这其中，失败的轨迹相当有价值，哪里做错了、为什么错、应该怎么改，平台在找到问题和解决方法后，这些判断和轨迹会直接变成新的训练数据；用新数据重新训练完上线后，又会产生新的反馈，新的反馈又变成下一轮训练的输入，如此循环往复。
平台中的Env Hub（环境）环节容易被忽略，但它尤其关键。英伟达的一篇Agentic RL技术博客中提到，做Agent强化学习需要环境来定义数据集、验证器和状态。环境不只是模型的训练场，也是评测场，评测、合成数据、强化学习，都可以在一套环境中完成。
尽管Mint Recursive中的Recursive（递归）还处于初级形态——人依然在递归的回路中，离模型全自动自己训练还比较遥远，但模型迭代方向已经很明确了。对客户而言，更为重要的不是模型本身，而是企业手里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
