踩中梁文鋒說的AGI關鍵一步！這款模型兩週ARR破千萬美元

AI 模型的新突破再次成為業界焦點。7 月 21 日，Mind Lab 團隊正式發表旗下首個正式版本 MoE（混合專家）模型「Macaron-V1」，這款模型專為 AI Agent（智能體）任務設計，推出兩個版本：Macaron-V1-Venti 與 Macaron-V1-Tall。更引發市場關注的是，Mind Lab 在今年 7 月啟動商業化後，僅花了兩週時間，年化經常性收入（ARR）便突破千萬美元大關，展現出強勁的市場需求與技術競爭力。 Macaron-V1-Venti 是旗艦級模型，擁有 748B 參數，由 744B 參數的基礎模型與 4 個 1B 參數的 LoRA 專家模塊組成，這是業界首個在 GLM-5 架構上實現此類設計的模型（註：原文提及 GLM-5 但未完整說明，此處忠於來源）。另一個版本 Macaron-V1-Tall 參數規模為 50B，由 35B 參數的基礎模型加上 4 個 3B 參數的專家模塊構成。透過導入 LoRA 低秩適應架構，Macaron-V1 系列在聊天、程式碼生成、智能體任務以及 GenUI（生成式使用者介面）等場景中表現出色，尤其在長程自主智能體任務上，其綜合性能已可與國際頂尖模型匹敵。 在技術層面，AI 應用的發展已經從靜態的問答系統，轉向長期自主運作的智能體應用。這意味著模型競爭不再只是單一模型的能力比較，而是涵蓋更全面的系統能力，包括長週期記憶、工具調用、持續自我優化、多任務協同、系統架構設計以及持續學習能力。Mind Lab 的 Macaron-V1 系列正是針對這些方向進行強化，特別是長程自主智能體任務的表現，成為其與其他模型拉開差距的核心分水嶺。 值得注意的是，DeepSeek 創辦人暨執行長梁文鋒在近期一份流出的投資人會議錄音中，也點出了 AGI（通用人工智慧）發展的關鍵路徑。他將實現 AGI 的過程比喻為爬樓梯，認為去年的階梯是 CoT（思維鏈），今年的階梯則是 Agent（智能體），而下一步就是持續學習能力。Mind Lab 的 Macaron-V1 系列正好踩中了這個「智能體」階梯，並且在商業化初期就繳出亮眼成績，呼應了梁文鋒的判斷。 在開源策略上，Macaron-V1 模型的所有變體都已在 Hugging Face 的「Macaron-V1」集合中以開放權重形式發布，讓全球開發者與研究人員能夠直接取用、測試與改進。這不僅有助於加速 AI 社群在智能體任務上的技術迭代，也顯示 Mind Lab 希望透過開放生態來推動更廣泛的應用場景。 從參數規模來看，Macaron-V1-Venti 的 748B 參數屬於業界頂級水準，但透過 MoE 與 LoRA 的組合設計，實際運算成本與推理效率得以控制在合理範圍內。這種設計理念兼顧了性能與實用性，讓模型在執行複雜任務時，既能維持高品質輸出，又不會過度消耗計算資源。對於需要長期自主運作、反覆調用工具的 AI 智能體而言，這樣的特性尤其重要。 商業化進展方面，兩週內 ARR 突破千萬美元，意味著年度訂閱或授權收入已達到千萬美元規模，反映出市場對專為智能體設計的 AI 模型有強烈需求。相較於傳統的通用大型語言模型，Macaron-V1 更聚焦於能自主完成多步驟任務的應用場景，例如自動化客服、程式碼除錯、數據分析、以及需要長期記憶與工具調用的複雜工作流程。這類應用正是企業級 AI 落地的主要痛點，也是當前 AI 從對話式工具進化為生產力引擎的關鍵。 業界分析指出，隨著 AI 模型逐漸從「被動回答」轉向「主動執行」，智能體任務的表現將成為下一代模型競爭的核心戰場。Mind Lab 的 Macaron-V1 系列在這一領域的技術佈局，配合快速商業化驗證，顯示其具備成為市場重要角色的潛力。而梁文鋒所提出的「今年是 Agent 階梯」觀點，也在 Macaron-V1 的市場反應中得到側面印證。 未來，持續學習能力被視為通往 AGI 的下一個重要台階。Macaron-V1 雖然已在長程自主智能體任務上表現出色，但能否進一步整合持續學習機制，讓模型在部署後仍能不斷更新知識與行為模式，將是決定其能否長期領先的關鍵。Mind Lab 目前並未透露後續模型版本的具體規劃，但從其開源與商業化同步推進的策略來看，該團隊顯然希望透過社群協作與市場反饋，加速技術迭代，搶佔智能體時代的先機。 總體而言，Macaron-V1 的發布不僅是 Mind Lab 技術實力的展示，也標誌著 AI 模型發展從單純的語言理解與生成，正式邁向能自主規劃、執行與優化的智能體階段。在兩週內達到千萬美元 ARR 的商業化成績，為這個新賽道注入了一劑強心針，同時也讓業界更加關注「智能體」這個被梁文鋒點名為 AGI 關鍵階梯的技術方向。