AI大土豆
@suanwan
Macaron V1.1 发布（按官方帖转述）：两周从 V1 走到 V1.1——752B 参数的 agent 模型、基于 GLM-5.3 后训练，调优跑在自家 Mint Recursive（serverless 训练与推理平台）上；结构是本条最有意思的地方：V1.1 ＝ 744B 底座 ＋ 四个 2B 的 LoRA 专家，分别对位 Chat、Agent、Coding、Generative UI；成绩口径：DeepSWE、SWE-Marathon、AutomationBench、ChatBench v2、UI4A v2 五项 Lead（基准图随帖）。API 页在文末：mint.macaron.im
我的看法："四个 LoRA 专家"就是"岗位预制件"的权重化表达——57524 把职能拆进插件包、57705 把工具拆进工位，这条直接把四个职能做成四个 2B 专家头插在 744B 底座上：职能不再靠提示词描述，而是长成独立的低秩模块——换工位＝换 LoRA，这比改 prompt 稳、比全参微调便宜，"可插拔"第一次落到了权重层（与算力插座 57710、三库合一是同一句口号的第三种实现）。
其二，它踩的是 GLM-5.3 这块同门底座——同底座上一个做快档卖速度（57536）、一个做后训专家卖职能，底座共享、分头变现，开源系的分工正在成型；其三，"两周一个版本"呼应训练线那句：后训练引擎便宜了，版本节奏就成了竞争维度（Halo 57738 的 2.8× 正是这波推力）。
对选型者，五项 Lead 里最该盯的是 UI4A 与 AutomationBench——界面与自动化两个基准恰好是"设计双部曲"和"干活线"的考场：榜位要等复跑，但方向已经写在基准名里了。
参数、平台与榜单均为官方口径（基准图随帖未取），以 API 页与官方后续为准。
