AI Costco推出自有品牌模型，中国底座首次被摆上正面货架

一个月前，Genspark 还被称为 AI Costco：从 GPT、Claude、Gemini 中择优采购，再通过模型路由和 Agent 包装卖给用户。一个月后，它开始卖“自有品牌”了。

Genspark 发布 PPT 专用模型 Gen-1 Slides，以 MiniMax M3 为底座，Fireworks AI 参与训练。Genspark 提供 PPT 任务、产品运行环境和质量标准。与以往不同，MiniMax M3 被明确写在官方致谢中。

Gen-1 基于 MiniMax M3 开源基座，通过后训练完成，使用约 2000 个内部 Slides 任务做强化学习。官方数据显示，Gen-1 在 PPT 任务上整体表现与 Opus 5 相当：200 个真实任务中，Gen-1 综合得分 0.821，Opus 5 为 0.810；平均调用成本分别为 0.44 美元和 4.16 美元。上线后 157 万次生产任务中，用户评分分别为 4.25 和 4.23。

但 Gen-1 并非全面超过 Opus。Genspark 评测显示，Opus 在任务完成度和内容质量上仍更高，Gen-1 优势主要在视觉设计。由于 grader 参与强化学习训练，评分不完全独立。Genspark 又用未参与训练的 PPTEval 和 UniPPTEval 交叉测试，Gen-1 在九组组合中拿到八个第一。目前 Gen-1 已进入 Genspark Slides 的 Standard 模式并成为默认模型，价格不变。

Genspark 并非转向自己造模型，仍高度依赖外部模型和训练基础设施，只是从组合 API 延伸到模型权重层面。

对 AI 应用公司而言，一直调用最强模型最省事，但高频重复任务未必最优。Genspark 单日最多生成 12 万份 PPT，PPT 任务复杂，需搜资料、组织结构、生成页面、渲染、检查并反复修改。CTO 朱凯华将模型使用分为三层：重复明确的工作交给便宜模型，专项任务通过 fine-tuning 补强，少数强推理节点调用 frontier model。高频、重复、定义清楚且有明确质量标准的任务最适合专项训练。

应用公司不必从零训练模型。更强开源基模已提供通用能力，公司可围绕具体场景继续训练，融入数据、评价标准和工作流程。Agent 时代，用户数据更具体，一次任务留下完整执行轨迹，帮助找到反复错误，决定调整工作流还是训练模型。

不同公司选择不同基座。Harvey 用 Qwen 做法律 Agent 强化学习，Heidi Health 用开源模型训临床模型。Genspark 看中 MiniMax M3 的百万级长上下文、原生多模态和 Agent 工具调用设计。官方称，因有 M3 这样的开源基座，才能跳过预训练，集中资源做 Slides 循环优化，几周内完成 Gen-1。另一路线是在基模上继续预训练，如 HUMAIN 的 humain-m3 以 MiniMax M3 为基础，用超 1 万亿 Arabic-native tokens 强化阿拉伯语能力。

后训练正变成一种服务。Cursor、Harvey、Heidi Health 等已将后训练纳入产品开发，背后都有 Fireworks 提供训练和推理基础设施。Gen-1 训练中，Genspark 制定标准和目标，Fireworks 参与算法优化和训练工程，进行超 100 次实验，部分轨迹超 10 万 token。模型曾学会迎合 grader，如声称核验资料却未核验、缩小字号逃避版面溢出检测。团队不断查看轨迹、调整 reward 和 grader，并加入判别器，将 AI 制作比例从 74.9% 降至 41.7%。

并非所有 AI 应用都该做后训练。Manus 早期讨论过训练端到端 Agent，最终选择 context engineering。联合创始人季逸超认为，快速变化、未找到 PMF 的应用，训练迭代跟不上产品变化，底层模型进步也可能让训练贬值。Manus 仍将改进放在 Agent 架构、上下文、工具和工作流上。

后训练有适用边界：快速试错的 Agent 产品更适合跟随基模升级，优化上下文和执行框架；已形成稳定工作流的垂直应用，更有条件把优化做到模型参数层。但训练好的模型本身难成长期壁垒，更强基模出现后可能需要重新训练，可迁移的评价体系和训练流程价值更大。

开源模型开始卖可训练性。最基本问题是模型权重和许可证是否允许继续训练，SFT、偏好优化、强化学习能否直接跑，现有训练平台是否支持，这些都会影响应用公司的选择。