从蒸馏到合成数据到 RSI：模型竞争的下一个焦点 (2026)

这期从《42 章经》对谈 Evolvent AI 联创孟繁青出发，追问一个比模型榜单更实际的问题：当训练和推理越来越像基础服务，AI 创业公司的切口还在哪里？答案落在评测环境、合成数据、研究轨迹，以及能让模型持续改进的任务循环上。1

本期听什么

训练服务可以一键提交，但数据是否值得提交、轨迹是否真的带来提升、评测有没有被钻空子，仍然需要研究员的判断。新的 Bench 也不只是出题和对答案，而是让 Agent 在一套模拟工作软件里完成长程任务。

对创业团队来说，值得卖的可能是一套可运行的工作环境：它有权限、工具、状态和失败条件，客户可以反复验收，模型也可以在里面反复练习。环境和评测不是模型的包装，而是产品本身的一部分。

孟繁青把这视为个人判断，而不是行业共识。他认为，国内模型厂在资源较少的情况下，被迫寻找更省计算的预训练架构；但后训练的数据积淀，更依赖时间、人力和组织体系，短期不容易补齐。1

应用团队不需要照搬模型实验室的战场。更实际的检查是：自己有没有在具体任务上留下独有的失败案例、评测数据和人工修正；模型换掉以后，这些资产是否仍然有效。

节目把 Self-Evolving、R S I 和 Auto-Research 归到同一种形式：给模型一个环境和目标，让它持续操作，拿到反馈，再修改下一轮。没有可运行的环境、稳定的评分和回溯路径，「让模型自己变强」就只是口号。

这也是为什么应用层仍可能需要自己的工作流。通用编码场景的 Harness 会越来越简单，但垂直领域可以用更小的开源模型，配合隐私可控、成本更低的流程。关键不是调用最强模型，而是能否稳定完成真实任务。

原始文本、专家标注和 Agent 交互轨迹对应不同训练目标，并不是简单的替代关系。真人数据有噪声和合规边界，合成数据可以控制环境和评分，但也会带着生成者自己的偏差。

孟繁青提到的「R S I 数据」，是让一个模型去后训练另一个小模型，并把小模型效果提升的完整过程留下来。这里的价值不在一条答案，而在任务、环境、模型版本、成本、反馈、失败原因和最终提升能否复现。

Evolvent AI 的公开项目 RSIBench-Data 将自己描述为面向长程 Agent Benchmark 的预算感知合成数据生成与后训练基础设施，流程包括生成训练数据、运行 LoRA SFT、评估 checkpoint，再选择最终提交。2

合成数据可以借助外部模型在环境里探索，但真正决定质量的，是环境是否足够复杂、任务评分是否正确、轨迹里有没有可学习的东西。简单任务上的硬蒸馏更像复制答案；有复杂环境和可靠评分的合成轨迹，才更接近研究数据。

孟繁青认为，蒸馏能加速国内模型追赶，却不是国内模型变强的决定性因素。预训练架构、训练数据和组织能力仍然决定长期上限。对创业团队而言，蒸馏可以减少冷启动成本，但不能替代自己的研究问题和评测体系。

原节目没有提供官方完整逐字稿。本期使用节目公开的完整音频，并完成全量语音转写；嘉宾原声片段均从同一份原始音频中按时间线截取并对齐。主持人的结构化旁白是面向 AI 产品创业者的二次整理，不把整理稿冒充原节目逐字稿。原节目发布于 2026 年 8 月 8 日，来源为《42 章经》在小宇宙的本集页面。1