两周迭代千元起,这家公司要让后训练人人可用
最近几个月,后训练成为 AI 行业最集中的议题。基础模型公司在扩大 RL 规模,应用公司也在考虑如何基于真实业务的任务轨迹和用户反馈构建后训练流程。模型在真实环境中产生的经验,正在成为下一代智能的原料。
一个反常现象是:全球最活跃的开源模型来自中国,但围绕这些模型的第三方后训练平台却在海外发展更快。Thinking Machines Lab 的 Tinker、Fireworks、Together AI、Prime Intellect 和 Applied Compute 已从不同位置进入市场,国内类似定位的独立平台很少。现在,Mind Lab 开始做这件事。

今年 7 月,Mind Lab 基于 GLM-5.2 发布 Macaron V1;9 月 23 日又发布基于 GLM-5.3 的 Macaron V1.1,并推出后训练平台 Mint Recursive。该平台面向企业,支持 GLM、Qwen、DeepSeek、Kimi、MiniMax 等开源模型,提供 FDE 专家共同训练、平台自动化训练、企业自主训练三种合作方式。
Macaron V1.1 是一款 752B 参数模型,由 GLM-5.3 的 744B 基础权重和四组各约 2B 的 LoRA 组成,分别负责 Chat、Agent、Coding 和生成式 UI。测试显示,V1.1 在全部 7 项评测上得分超过原始 GLM-5.3,并在 DeepSWE v1.1、SWE-Marathon、AutomationBench 上超越或追平 Opus 5。在长程 Coding 任务中,V1.1 所需步骤和 Token 更少,核心做法是将 SWE 轨迹标准化为复现、定位、编辑、验证、恢复五个阶段。在复杂办公场景中,V1.1 重点加强工具调用安全,要求模型知道何时不该动手。完成这一轮模型更新只用了两周。

Mint Recursive 把一次模型更新拆成评测、数据准备、训练、复测和部署几个环节。企业第一步是建立自己的 Benchmark,让基座模型先跑一轮,保存任务执行轨迹,看到模型在哪一步出错,再决定哪些问题值得通过后训练解决。企业可整理已有数据或根据失败轨迹构造新样本,选择 SFT、DPO 或强化学习等方法,决定采用 LoRA 还是全参数更新。训练完成的新版本可直接部署,也可回到最初 Benchmark 检验。这套流程的关键是一体化且可持续,有“同一把尺子”。
过去企业使用大模型,核心考量是选择哪家 API。但基础模型持续开源、能力排名不断变化后,选中某一款模型越来越难形成长期壁垒。所有企业都能更换模型,但最关键的是每家公司对自身业务的理解。这种差距在 Agent 场景中更明显。通用模型会调用工具,却未必理解一家公司的业务规则、成本要求和授权边界。

Mint Recursive 从四个层次服务这种需求:低门槛、高性价比、可持续迭代和高自由度。低门槛首先来自 Benchmark,早期客户集中在金融、AI for Science 和医疗行业,它们 AI 化程度较高,已积累明确的业务规则、评测方法和任务数据。高性价比方面,全参数训练对多数企业仍过重,LoRA 只更新少量新增参数,可用较小投入验证效果。官网报价显示,专项模型训练服务最低 1000 美元起。在 Mint Recursive 上,不同 LoRA 可共享同一个常驻基座,训练和部署按实际使用量计费。可迭代方面,每个 LoRA 都可单独训练、评测、上线和撤回,生产环境中的新问题可进入下一轮训练。自由度方面,企业可自己调整方案,设定目标、预算和约束,平台支持全参数训练及 SFT、DPO、强化学习等方法,也可通过 Python SDK 自定义损失函数、强化学习环境和训练循环,迁移原有 verl、TRL、OpenRLHF 或 PyTorch 训练代码。
支撑这些操作的是 Mind Lab 从 2025 年在 Kimi K2 等万亿参数模型上做后训练时积累的 Infra 能力。团队解决了把超大模型拆到大量 GPU 上训练、让生成数据和接受训练走过一致计算路径、通过异步训练和 LoRA 热更新让训练推理与版本切换同时进行等问题,相关能力已接入 Megatron-Bridge、VERL 和 AReaL 等主流生态。
一个做个人 Agent 的应用团队,孵化出一家实验室,训练了自己的模型,现在又把训练模型的系统拿出来服务企业。做个人 Agent Macaron 首先要理解一个具体的人:记住偏好,熟悉习惯,让过去的相处对下一次服务有用。团队从这里关注到个人记忆,Mind Lab 又把问题往前推了一步——这些经验能不能进入参数,改变模型处理任务的方式?围绕这个问题,他们做研究、训练 LoRA 模型,也积累起支撑这些工作的 Infra。
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42