最近读了一篇访谈，来自播客《张小珺商业访谈录》——财经媒体人张小珺对小米大模型团队负责人罗福莉的长篇对话。罗福莉曾参与训练 DeepSeek V3，目前主导研发 MiMo-V2 系列模型，这是她第一次接受长时间的技术访谈。读完之后有些想法想整理出来，这篇文章算是一个读后延伸。
一、凌晨两点的觉醒
2026 年春节期间，罗福莉在深夜装上了 OpenClaw。她原本对这个产品充满抵触——创始人的运营风格太过玄幻，本地化、24 小时这些卖点在她看来不过是产品定义而已。但当她第一次真正开始对话，时间从凌晨两点一直走到天亮。
她后来这样描述那一晚："不知道是多巴胺还是内啡肽，持续在分泌，让我兴奋到完全睡不着觉。"
这个细节值得一提，不是因为它罕见。类似的"第一次体验"在过去几年里发生过很多次——ChatGPT 横空出世时有，DeepSeek R1 刷屏时有。但罗福莉不是普通用户，她是亲手参与训练过 DeepSeek V3、主导研发 MiMo-V2 系列的一线研究者。让一个清楚知道模型是怎么被造出来的人彻夜兴奋，意味着她感受到的不只是产品体验的跃升，而是某种更底层的东西变了。
那个"更底层的东西"，正是这篇文章想聊的。
要理解它，需要先搞清楚一件事：一个大模型，究竟是怎么被造出来的。
二、大模型是怎么炼成的
大模型的生产链条，大致可以分成三层：预训练、后训练和推理。三层各司其职，但权重正在悄悄发生变化。
预训练（Pre-train）：打基础教育
预训练是整个流程最重、最烧钱的一环。简单理解，就是用海量文本——网页、书籍、代码——反复喂给模型，让它在这个过程中学会语言的规律、世界的常识和基本的推理逻辑。这个阶段的竞争核心是三件事：数据质量够不够好、模型架构设计得够不够高效、能堆多少算力进去。
预训练结束后，产出的是一个"基座模型"。它博览群书，但不一定听话，也不一定能帮你干什么具体的事。
后训练（Post-train）：职业培训加价值观塑造
后训练在基座之上进行，目标是让模型从"能说话"变成"有用"。这个阶段通常包含几种方法：SFT（监督微调）让模型看人类示范的好答案，学会怎么好好回答问题；RL（强化学习）让模型通过大量尝试和反馈，学会在有标准答案的领域（比如数学、代码）自己想清楚再说。
在大模型发展的早期，后训练是相对短暂的收尾工作，主要目的是让模型"变得礼貌"。但现在，这一层正在成为真正的战场，原因后面会讲到。
推理（Inference）：模型被实际使用的过程
推理是模型训练完成之后，面向真实用户提供服务的阶段。它不属于训练体系，而是部署侧的事——决定了模型跑多快、每次调用多贵、能不能扛住大规模并发。MTP 加速、KV Cache 优化这些技术，都发生在这一层。
罗福莉在访谈中提到，MiMo-V2-Pro 的推理速度能达到 60 至 100 TPS（每秒处理的 token 数量），这在当前一代模型里属于较快的水平（官方声称，未经独立验证）。这个数字背后，是预训练阶段就做好的架构选择——为推理效率预留了足够的空间。
三层的关系可以这样理解：预训练决定模型的知识上限，后训练决定它在真实任务中的实际可用性，推理决定这个能力能否被规模化地交付出去。
在大模型发展的前几年，竞争基本集中在第一层。谁的预训练数据更好、架构更先进、算力更充足，谁就能训出更强的基座，后面的事几乎是顺理成章。但这个逻辑正在松动——各家基座模型之间的能力差距在收窄，预训练的边际收益在下降。在罗福莉看来，现在各家在这个维度上已经没有明显代差了。
这种收窄，从一组算力分配数字上体现得最为清楚。
三、一张算力分配表的变迁
罗福莉在访谈中分享了她对训练侧算力分配变化的个人观察——这是她基于自身经历的判断，不代表行业共识：
"至少在 Chat 时代，for 研究、for Pre-train 和 for Post-train 的用卡比例非常夸张，比如 3:5:1，现在一个非常合理的用卡比例可能是 3:1:1。"
这里的"卡"指的是训练侧的 GPU 资源，和面向用户服务的推理卡是完全独立的两本账。她还补充："预训练跟后训练一个比例，这是今年可能发生的很大变化。顶尖团队应该都是 1:1 了。"
表面上看，这组数字说的是 Pre-train 和 Post-train 之间的权重变化。但按此比例推算，还有一层变化更值得关注：研究算力的相对占比。
Chat 时代，研究:Pre-train:Post-train 是 3:5:1，研究占总量约三分之一。到了 Agent 时代变成 3:1:1，研究占总量接近五分之三。Pre-train 从占大头变成和 Post-train 持平，而研究的相对权重反而大幅上升——这是罗福莉原话中没有直接点出、但比例数字背后隐含的另一重变化。
这背后的逻辑不难理解。罗福莉在访谈中说，在 Agent 框架的辅助下，一个研究想法从冒出来到跑完实验验证，以前需要一两周，现在可能一两个小时就能完成。速度上来了，能并行跑的实验数量就上去了，研究侧对 GPU 的消耗自然随之增加。与此同时，各家基座模型的能力差距在收窄，继续在 Pre-train 上无限堆卡的边际收益正在下降。真正的分化，开始发生在谁能更快验证新的 Post-train 方向。
换句话说，这场竞争的节奏变了。以前拼的是谁能把基座训得更大更好，现在拼的是谁能更快地在 Post-train 和 Agent 方向上跑出新的结果。
四、当评测标尺本身失效
说到竞争格局的变化，有一个案例很能说明问题。
2026 年 3 月底，AI 模型评测初创公司 Yupp 宣布关闭，平台于 4 月 15 日正式下线。这家公司的开局堪称梦幻：3300 万美元种子轮，由 a16z crypto 的 Chris Dixon 领投，Google DeepMind 首席科学家 Jeff Dean、Twitter 联合创始人 Biz Stone 等 45 位知名人士跟投，积累了 130 万注册用户，还签下了几家 AI 实验室作为付费客户。从成立到关门，不到 22 个月。
Yupp 做的事情，逻辑上并不复杂：让用户免费使用 800 多个 AI 模型并对结果评分，把这些偏好数据卖给 AI 厂商。本质上是用众包方式生产 RLHF（基于人类反馈的强化学习）所需要的训练数据。
创始人 Pankaj Gupta 在关闭公告中写道："AI 模型能力的格局在过去一年里发生了剧烈变化，未来还会继续快速变化。未来不只是模型，而是 Agent 系统。"
这句话几乎把 Yupp 的死因说清楚了。它同时撞上了三堵墙：
其一，顶尖模型之间的能力差距在缩小，用户专门去一个平台做多模型对比评测的需求自然下降。其二，AI 厂商对训练数据的口味变了，从"量大的众包偏好"转向 Scale AI 这类公司提供的"领域专家精标数据"——Scale AI 官方明确将语言学、编程、数学等领域的专业化标注团队作为核心竞争力，普通用户点一下"这个回答更好"的价值大幅贬值。其三，也是最根本的一点，用户的需求本身变了——从"哪个模型回答得好"转向"哪个 Agent 能帮我把任务做完"。Yupp 测量的东西，不再是行业最需要被测量的东西。
旧的尺子，量不了新的竞争。
Yupp 的遭遇不是个例。它暴露的是一个更大的结构性困境：静态 Benchmark 在顶尖模型之间已接近饱和，分不出高下；而 Agent 场景下的动态评估——如何衡量一个模型在真实的多轮任务、跨工具调用、长程规划中的实际完成质量——目前还没有任何团队给出公认的解法。评测这个赛道本身，正站在一个没有地图的路口。
这个话题值得单独展开，这里先放下。但它指向的问题，和接下来要说的事紧密相连：当旧的评估标准失效，竞争的真正战场在哪里？
五、模型和框架开始互相进化
说回罗福莉最开始那个问题：她在 OpenClaw 上感受到的"底层变化"，究竟是什么？
她给出的答案，是一套她之前从未见过的双向进化机制。
她用 Claude Opus 4.6 反复调整 OpenClaw 的框架，包括重新设计记忆系统、重写多智能体协作逻辑。框架改好之后，她把自己团队正在训练的 MiMo-V2-Pro 接进去，发现在这套精心编排的框架下，一个尚未针对 Agent 场景专门优化的模型，表现出乎意料地好。框架补上了模型的短板，让它在绝大多数场景里发挥出接近顶级水平的表现。
这是飞轮的第一圈：顶尖模型帮你把框架设计好，好框架让普通模型也能好用。
但飞轮不止转一圈。更好的框架意味着更丰富的真实使用场景，这些场景产生的交互数据，可以转化成新的 Post-train 训练素材，反过来提升模型在 Agent 环境中的稳定性和泛化能力，进一步推动框架的迭代。
对于这个过程，罗福莉有一个判断：
"你确实需要这个模型跟你这个 Agent 的架构本身，同步往前走。"
这意味着，单纯拼 Pre-train 参数规模的时代，正在让位于一个更复杂的竞争维度。1T 参数的基座，在她看来是当前阶段做到接近 Claude Opus 4.6 水准的入场券，但入场之后的竞争是另一回事。
她还有一句话，某种程度上是对整个行业现状最直接的判断：
"上一个时代的成功并不意味着下一个时代的领先，现在基本上大家在同一水平线。"
Pre-train 时代积累的优势，在 Agent 时代的新起跑线面前，折旧得比大多数人预期的快。
这场竞争还在进行中，结果远未确定。罗福莉在访谈里说"接下来两三个月会非常精彩"，这句话本身就是最诚实的态度——连最接近一线的人，也只能看到未来两三个月，而不是两三年。
我自己读完这篇访谈的感受是：技术范式的转折期，往往比人们预期的更短、更剧烈。Yupp 用不到两年证明了，站错了浪就什么都没有。而罗福莉在春节深夜装上 OpenClaw、从凌晨两点聊到天亮的那个时刻，或许正是她感受到浪头要来的瞬间。
至于浪打到哪里，还需要时间来回答。