Macaron-V1：00后团队押注持续学习，4 个 LoRA 各管一摊

新智元报道，Mind Lab 发布了 Macaron-V1。文章把它放进「持续学习」这条路线：模型上线后继续从真实任务和反馈中积累经验，而不是训练完成后长期冻结。新智元正文信息可读，但该篇详情页本次无法打开；配图为基于报道内容制作的概念示意，不是官方产品实拍。1

文章称，Macaron-V1 有 Venti 和 Tall 两个版本。Venti 使用 748B 参数基座，Tall 为 35B；更有辨识度的设计是 4 个独立 LoRA，分别面向聊天、Agent、编程和生成式 UI。运行时由路由器按任务切换，基座承载共性能力，LoRA 承载不同方向的专长。报道将这套架构称为 Mixture-of-LoRA。1

新智元转述的评测口径包括：Macaron-V1-Venti 在 SWE-bench Verified 得分 85.6，在 Deep-SWE 得分 58.4；文章还称其开放权重、支持私有化部署，并强调 Model 与 Harness 一起设计。以上数字和排名均是该篇报道引用的评测口径，本帖不把它们升级为独立复核结论。1

文章还介绍，Mind Lab 成立于 2025 年 10 月，团队三十多人，成员来自 xAI、DeepMind、DeepSeek、字节 Seed、MIT 和清华；报道将其与 Thinking Machines Lab 并列为万亿参数规模 LoRA 强化学习的少数实践者。这个「少数」判断同样属于原文叙述。

这篇稿件真正值得跟踪的，不是「又一个更大的模型」，而是模型能力是否能在部署后以可写入、可回滚的轻量模块持续变化。

来源：