Mind Lab 发布 Macaron-V1：全球首个基于 GLM-5.2 后训练的 MoE 智能体模型，支持 200 万 Token 上下文

Mind Lab 今天正式发布了 Macaron-V1，这是继预览版之后，其智能体模型家族的首次完整亮相。

这次发布不仅带来了两个新模型，更展示了一套完整的“适应与协作”技术栈。Macaron-V1 的核心信念是：AI 的未来不在于无限扩展单一巨型模型，而在于通过递归自我改进和多智能体协作，让模型在共享基础设施上不断进化。

• 官方介绍：https://macaron.im/zh/mindlab/research/introducing-macaron-v1
• API：https://mintcn.macaron.xin/
• GitHub：https://github.com/MindLab-Research/macaron-artifacts
• 模型：https://huggingface.co/collections/mindlab-research/macaron-v1

双版本策略：旗舰与轻量并存

Macaron-V1 提供了两个版本，分别针对不同场景：

• Macaron-V1-Venti（旗舰版）：总参数 7480 亿，由 7440 亿基础模型和四个 10 亿参数的 LoRA 专家组成。它是全球首个在 GLM-5.2 基础上进行后训练的模型，旨在与 GPT-5.5、Opus 4.8 等前沿闭源模型竞争。
• Macaron-V1-Tall（轻量版）：总参数 500 亿，由 350 亿基础模型和四个 37 亿参数的 LoRA 专家组成。它在 Qwen 3.6 上进行后训练，专为本地部署和低资源环境设计。

架构核心：Mixture-of-LoRA (MoL)

Macaron-V1 保留了预览版引入的 MoL 架构，并在 Venti 版本中进行了升级。在冻结的 GLM-5.2 基础之上，它配备了四个专门的 LoRA 专家：

1. L0 Chat：负责对话和指令遵循。
2. L1 Agent：专注于长周期、动态复杂的通用智能体任务（合并了原有的 OpenClaw 相关能力）。
3. L2 Coding：处理代码理解、SWE 任务和终端操作。
4. L3 GenUI：负责 UI4A 渲染和界面驱动的行动。

运行时，L0 会将请求路由给最合适的专家。这种设计不仅实现了参数高效微调，更天然支持持续学习——可以通过插件式 LoRA 添加新功能，而无需修改基础模型。这也为“集体智能”铺平了道路：不同团队训练的专家可以在同一个基础模型上组合。

突破训练瓶颈：LongStraw 与 200 万 Token

长上下文推理已不是新鲜事，但长上下文的强化学习训练一直是难题。传统 RL 训练在处理百万级 Token 时面临巨大的内存墙。

Mind Lab 推出的 LongStraw 技术解决了这个问题。它将共享提示评估为可重用的驻留状态，仅重播响应分支并累积梯度。这使得在固定 GPU 预算下，对 GLM-5.2 进行高达 210 万 Token 的完整模型强化学习训练成为可能。

递归自我改进（RSI）：模型自己教自己

Macaron-V1 的后训练流程由 MindForge 框架驱动，实现了一个三阶段闭环：

1. 发现：模型从种子任务出发，自动生成更困难、更多样化的任务，并验证答案质量。
2. 扩展：模型解决这些任务，审计轨迹，并迭代优化工具链配置（通过 HCP 协议标准化）。
3. 更新：利用优化后的轨迹和配置更新模型参数。

更新后的模型又能生成更难的任务，如此循环往复，不断扩展能力边界。

工具链协同：UI4A 与 REPL

Macaron-V1 的工具链是与模型协同设计的：

• UI4A：一种代码原生的生成式 UI 方案，允许模型直接从 NPM 或 URL 导入组件，即时交付交互式界面。
• REPL 工具链：提供持久的 Python 命名空间。通过 save_tool 和 promote_tool，模型可以将验证过的代码片段打包成可重用工具，跨会话保留，从而大幅节省 Token 和轮次。

评估表现

在个人智能基准测试（Macaron ChatBench, LivingBench）以及通用编码/终端基准（SWE-Verified, TerminalBench 2.1）上，Venti 版本在大多数项目中匹配或超越了前沿基线。虽然在纯编码领域尚未完全领先，但在个人智能和长周期协作方面展现了独特优势。

如何获取？

• 开放权重：所有版本已在 Hugging Face 的 Macaron-V1 Collection 中发布。
• 官方 API：即日起向海外及中国大陆用户提供托管 API。
• 可视化插件：可通过 Claude Code 安装 macaron-artifacts 插件，直观查看 UI4A 输出。

Macaron-V1 的发布标志着开源智能体模型进入了一个新阶段：不再仅仅是缩小版的闭源模型，而是拥有独立架构、训练范式和工具生态的新一代 AI 基础设施。对于希望构建长期陪伴型助手或复杂自动化工作流的开发者来说，这是一个值得深入探索的选择。