GLM-5.2之后，国产开源大模型迎来持续成长新玩法

智谱开源GLM-5.2，再次把国产大模型推到聚光灯下。

这款大规模MoE模型展现出强劲的推理、编程和工具调用能力，就连Next.js作者、Vercel创始人Guillermo Rauch，也对它的表现感到惊喜。当底座足够强大，大模型的下一步会走向哪里？

一个很有意思的答案，正在GLM-5.2之上出现。

心洲科技旗下Mind Lab推出了Macaron-V1。它没有重新训练庞大的基础模型，而是站在GLM-5.2的肩膀上，为模型增加持续成长的能力。进入真实应用后，模型依然可以从任务与交互中积累经验，再把经验转化为新能力。

这正是Macaron-V1持续学习大模型最吸引人的地方：训练完成，不再意味着学习结束。

给强大的底座，装上一组会成长的专家

Macaron-V1押注了两个关键词：持续学习与群体智能。

它的核心技术叫Mixture-of-LoRA，简称MoL。Mixture-of-LoRA架构原理并不复杂：把对话、智能体、编程和界面生成等能力装进不同的LoRA专家，需要哪项就调用哪一项，也可以让多个专家协同工作。

在旗舰版Macaron-V1-Venti中，GLM-5.2作为通用底座，搭配四个LoRA专家：

这就像给一位能力全面的通才，配上一支各有所长的专业团队。底座提供知识与推理能力，LoRA负责沉淀具体技能和使用经验。新能力可以像插件一样加入，让大模型个性化微调变得更轻、更快。

Macaron-V1还展示了LoRA的新价值：它可以成为模型的长期能力模块，保存偏好、技能、工具使用方式，以及经过验证的有效策略。

这套架构带来的实际效果相当亮眼。

在考验前端设计能力的UI4A基准中，Macaron-V1取得87.7分。通过配置Macaron-V1的Claude Code生成一个模拟macOS的网页，最终成果只有约67KB的单文件HTML，却包含计算器、照片、天气、浏览器和翻译等丰富功能。

它交付的不只是一段静态页面，而是一个可以点击、可以操作、拥有完整视觉风格的交互作品。

对于关注AI生成网页实战、生成式UI开发工具和AI编程智能体的人来说，这种体验很有吸引力。用户只需描述想法，模型就能完成界面规划、代码生成与功能组合，让从一句需求到可交互产品成为现实。

Macaron-V1背后还有一个更有想象力的概念：经验智能机器。

大模型在实际运行中，每天都会遇到新的任务、工具和用户偏好。这些在真实工作中产生的信息，具有长期价值。

常见做法是把经验放在提示词、外挂记忆、RAG或技能库中，需要时再读取。Macaron-V1则尝试把经过验证的经验写入可训练的LoRA，让它成为能够长期保存的本地状态。

同一个基础模型由此可以形成不同的偏好、技能和工具使用习惯，也为AI持续学习技术路线打开了新空间。

模型在实践中不断积累方法，逐渐形成稳定、高效的工作习惯。经验越丰富，它就越能适应具体用户和真实场景。

当多个LoRA沿着不同任务路径成长，多智能体协作模型便拥有了更丰富的组合方式。

Mind Lab的实验显示，在AIME24上，单个适配器准确率为36.44%；将198个不同适配器进行多数投票后，准确率提升至48.67%。

这意味着，不同学习轨迹能够形成互补能力。有的专家擅长规划，有的擅长编程，有的善于检索，还有的专注界面生成。面对综合任务，系统可以动态组合专家，让它们接力完成工作。

从扩大单个模型到扩展专业模型的数量，Macaron-V1展示了群体智能大模型应用的一条新路径。

为了让LoRA强化学习训练在超大模型上顺畅运行，Mind Lab搭建了MinT、MindForge与LongStraw。

MinT负责管理海量适配器；MindForge连接智能体、工具与训练流程；LongStraw则把百万token长上下文训练推进到工程可行阶段。

这些组件形成一个完整循环：模型完成任务、获得经验、筛选有价值的路径，再把有效经验沉淀进LoRA。更新后的模型可以挑战更复杂的任务，继续积累新能力。

Macaron-V1已经发布多个开放权重版本。旗舰Venti以GLM-5.2为底座，Coding-Venti强化编程能力；面向本地部署开源大模型用户的Tall版本，则基于Qwen3.6 35B底座，为不同算力条件提供了更多选择。

想了解Macaron-V1国内API、Macaron-V1本地部署教程、Macaron-V1开放权重下载或GLM-5.2二次开发方案的开发者，都可以从官方模型与Macaron Artifacts开始体验。

从GLM-5.2开源模型性能，到MoL架构、多LoRA协作，再到经验驱动的持续学习，Macaron-V1展示了一种充满生命力的方向：未来的大模型，不只在发布时强大，还能在真实任务中持续积累、持续适应，逐渐成长为更懂用户、更懂场景的智能伙伴。

训练完成，是一次出发。

真正精彩的，是模型开始拥有自己的经验，并在一次次真实任务中长出新能力。