更新时间：2026-08-26 来源：互联网编辑：马徒点击数： 304次

丘比特的圈套

足球报：玉昆三连客获得2分，俱乐部开通昆明玉溪往返球迷专线_我的网站

一 |

直播吧4月21日讯《足球》报撰文谈到云南玉昆表现，文章认为，玉昆战平亚泰不仅磨炼了更多球员，也收获了更多自信。

本轮对亚泰是玉昆9天内的连续第三个客场赛事，之前他们先是1-3送给了三镇赛季第一个3分，接着又从蓉城身上抢得一场宝贵的平局，侯永永的绝平球不仅是有无积分进账的区别，更重要的是这样的进球鼓舞人心，彰显了球队不屈的斗志。新鲜速递最近几天，模型行当风起云涌而我们的 MindLab 也拿出了的作品 Macaron V1：通过后训练，让 GLM5.2 再次伟大 MindLab 成立于去年 12 月，现如今是唯一完成对 GLM-5.1/5.2 完成后训练的外部团队Mind Lab 成立｜64 张卡跑万亿参数 RL，开源作为当下国内最受瞩目的 NeoLab 之一，本文重点聊聊 MindLab 他们的模型成果、技术路线以及优化方式模型与训练 NeoLab 的研究方向，是在现有基模下进行 LoRA 训练，即：对现有模型，取出大约 0.5% 的核心参数来训练，并有效的提高原有模型的素质。

本轮比赛是玉昆升入中超后空间距离最远、在外漂泊时间最久的一次远征，也是他们首次在白天时段比赛。赛前，安德森再次肯定了成都之行首次从强队身上取分的意义，希望球队继续保持拼搏精神，努力争取“从客场拿到更多的分数”。在 MindLab 成立之初，这套方法就在在 Kimi K2 进行了验证：64 张 H800 搞定万亿参数模型的强化学习但后训练有个经典难题：对话、推理、编程、工具调用等能力混在一起训，往往按下葫芦浮起瓢。

二 |

经过90分钟较量，双方最终互交白卷。安德森赛后肯定了球队的整体表现和执行力，尤其是球队依靠压迫创造出来的一些机会，“如果把握好了，是可以拿下比赛的。团队为此独创了 Mixture-of-LoRA（MoL）：在冻结的基座上挂载多个独立的 LoRA 专家，每个专家专精一个方向，各自在隔离的适配空间中优化，彻底消除能力间的相互干扰。这套方法先是在 GLM-5.1 上跑通了预览版 Macaron-v1-Preview 随后，也就是在正式版 Macaron V1 中，团队把基座换成了 GLM 5.2，并对模型能力进行了全面升级 V1 提供两款变体：旗舰 Venti（748B）：基于 GLM-5.2（原生 1M 上下文），通过 4 个 1B 的 LoRA 专家分别覆盖 Chat、Agent、Coding、UI 四大方向，切换由显式 Router Tool 控制，未来新增能力的话，只需再挂一个 LoRA 轻量 Tall（35B）：基于 Qwen 3.6 后训练，专为本地部署优化。

三 | 同时，团队还通过自研的 LongStraw 技术，将 GLM 5.2 的上下文扩展至 2M，并通过将共享提示词复用为常驻状态，大幅降低长序列开销。除了模型本体，团队还同步打造了三个关键配套，与模型联合训练： UI4A：通用生成式 UI 架构，让模型能渲染交互式视图（不仅是文本），不依赖特定基座，即使未经微调的模型也能驱动，独立于 Macaron 的通用底座 REPL Harness：为模型提供持久的 Python 运行环境，模型可用 save_tool 自行编写工具，用 promote_tool 将其提升为跨会话可用的全局工具 MinT 后训练平台：MindLab 自研的训练基础设施，核心设计是 Actor 与 Learner 之间只传递 Adapter（而非完整权重），天然契合 MoL 架构，支持百万级 Adapter 目录，端到端可覆盖万亿参数规模模型跑分我曾经问锴杰，怎样才能让模型智能不断提升？得到了一个回答：来自真实产品环境的奖励函数从模型愿景上来说，马卡龙是希望能够在日常生活中真正帮上忙，并且是长期持续为创造价值，为此他们自建了两个基准，用于指导模型训练，如下： Macaron ChatBench 作为 Agent 最基本的能力，需要评测 Agent 在长上下文中是否对用户保持诚实，而非「先把事情搞砸，然后道歉」 Macaron LivingBench 这是一个模拟的沙盒环境，包含三种相互关联的动态机制：动态噪声、动态生存环境以及动态用户。评测观察模型是否能够持续理解用户的需求，验证信息准确性，重新规划任务路径，在用户保持耐心的情况下完成任务，说白了：完成任务，然后提供更好的体感除此之外，还有一些常规 Bench，也让大家看一下成色 benchmark 对比图除此之外，我不知道是不是由于还在内测，用的人很少...就是这个模型快的离谱，我让他自己写了个自己的测速脚本，然后看看自己的速度：320字/秒我觉得它在糊弄我...于是我还录了个屏，让他做打点标记播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗我问锴杰：对于推理速度，你们干了啥？锴杰：的确做了速度性能的优化，但太强调的话，我怕后面大家体验如果和你的实测指标不一致，会生气好的，我绝对不说速度的事儿，另外还有个事情我得说一下，在我写这篇文章的时候，我让 Macaron 帮我去迭代了我的「大撒币计划」：速测 Qwen3.8 预览版：我用 1 小时，开发了套撒币系统我是这么要求他的...四舍五入啥也没说，让他自己干然后...它帮我迭代了所有的 ux，并且额外修了点 bug 看几个案例这里我就直接放点官方的 Case 了 Coding：用 Three.js 做了一个夜航船 3D 网页。”这场平局不仅磨炼了更多球员，也收获了更多自信。第一人称站在木船上，河灯飘在两侧，靠近时浮出诗句播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗夜航船 3D 网页（马卡龙版）同样的 prompt，GPT 5.6 也做了一版播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗夜航船 3D 网页（GPT版） Agent：从零构建一个混沌磁摆模拟器。小球在重力、阻尼和三枚磁铁作用下运动，实时渲染分形区域播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗混沌磁摆模拟器播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗 3D魔方然后这里还有个我觉得很有意思的 Case：3D 二维码... （提问：3d二维码是几维码？）播放下一个打开循环播放 00:00 / 00:00 倍速 3.0X 2.0X 1.5X 1.25X 1.0X 0.75X 0.5X 多音轨 AirPlay 0 静音播放中，点击恢复音量画中画网页全屏全屏你可以刷新试试视频信息 1.33.6 播放信息上传日志调试信息 [X] 视频ID VID - 播放流水 Flowid - 播放内核 Kernel - 显示器信息 Res - 帧数 - 缓冲健康度 - 网络活动 net - 视频分辨率 - 编码 Codec - mystery mystery - 按住画面移动小窗对了，测试 UI4A 可以用 Mind Lab 发的 Claude Code 插件 Macaron Artifacts `github.com/mindverse-ltd/macaron-artifacts` 接进 Claude Code 现在大家基本都在用 Claude Code 调各种模型，我整理了一下接法打开 CC Switch，选顶部 Claude Code 图标，点右上角 `+`，选「手动添加」 Name 随便填，比如 `Macaron-V1`，Base URL、API Key、Model 都留空，核心是下面这段 JSON： { "env": { "ANTHROPIC_BASE_URL": "https://mintcn.macaron.xin", "ANTHROPIC_AUTH_TOKEN": "sk-xxxx", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1" }, "model": "macaron-v1-coding-venti" } CC Switch 配置截图我是看着 Mind Lab 从成立的，看着他们团队建立，看着他们跑通 MoL，再到发布自己的模型，不断着验证自己的判断：通过后训练让模型持续变强，经由多专家协同让能力可生长。

结束三连客获得2分，玉昆的这次远征有所收获，本周五他们将在玉溪迎来与海港的硬仗。