风云

Drainage operations underway in flooded areas of Henan(1/3)_我的网站

一 |     Drainage operation is underway in waterlogged area of Zhoukou, central China's Henan Province, Aug. 17, 2026. (Photo: China News Service/Liu Peng)        After a breach in the Jialu River was successfully closed on Saturday evening, local authorities have continued deploying rescue teams around the clock to drain floodwaters and restore urban traffic as soon as possible.。    最近手头在测一个新模型，叫 Macaron-V1。说实话一开始没抱太大期待，打着「个人智能体」旗号的产品这两年太多了，大多数打开之后还是那套老配方：一个聊天机器人，外面挂几个插件。但测了三四天下来，发现这个模型的思路跟我预想的不太一样，值得认真写一篇。

二 |          先说说这是谁做的          Macaron-V1 是心洲科技旗下前沿实验室 Mind Lab 推出的最新模型，定位是面向个人智能体场景。权重、官方 API、配套工具都已经开源上线          V1 一共两个版本：          Macaron-V1-Venti：748B 参数（744B 基础模型加 4 个 1B 的 LoRA），是旗舰版本，官方的说法是全球首个基于 GLM-5.2 完成后训练的模型。原生支持 2M 超长上下文。         Macaron-V1-Tall：35B，基于通义千问 3.6 后训练而来，专门给本地部署用，适合对隐私和成本比较敏感的场景。         Venti 建立在 GLM-5.2 这个强悍的基座之上，却走了一条完全不同的后训练演化路线。它把重点放在了“个人智能体”这个定位上，试图做一个能真正融入我们日常生活的“最强强化学习模型”。         架构这块，挺有意思          Macaron V1 用的是一个叫 MoL（Mixture of LoRA）的架构，这是团队从 Preview 版本延续下来的路线。具体做法是，GLM-5.2 基座整个冻住不动，上面挂四个 1B 规模的 LoRA 专家，分别掌管对话 (Chat)、智能体 (Agent)、代码 (Coding) 和界面渲染 (UI)：          L0 Chat，负责对话和指令遵循的主干；          L1 Agent，面向个人生活场景的重度工具使用，覆盖那种拖得比较长、变数比较多的复杂任务，V1 里把 Preview 版本 OpenClaw 相关的 LoRA 合并进了 L1；          L2 Coding，管代码理解、SWE 任务、终端操作；          L3 UI/A2UI，负责 UI4A 渲染和 UI 驱动的操作。         这就像是给一个知识渊博的底座，配上了四个专业领域的独立外脑。需要聊天时，L0 专家主导；需要写代码时，L2 专家接管。

三 | 不同来源的技能在各自的适配空间里优化，互不打架。这种插件式的架构天然支持持续学习，未来想要加入新能力，只需再训练一个新的 LoRA 接入即可，完全不会动摇模型已有的知识体系。         实测          用了几天时间，把 Chat、Agent、Coding、UI4A 基本都测了一遍，挑几个印象比较深的说说。         API:          https://mintcn.macaron.xin/          建议大家在CC中使用          实测：UI4A 的魔法体验          在日常生活中使用 AI 时，我们常常面临一个痛点：很多时候我们想要的只是一目了然的图表或可以点按互动的工具，模型却往往不能很好的实现。         Macaron V1 试图打破这种交互的边界。

四 | Mind Lab 团队在模型中内置了一个名为 UI4A 的生成式 UI 架构，并由专属的 L3 UI 专家来驱动它。简单来说，它兼顾了网页原生的极度灵活性与底层数据的精准控制，能够直接渲染出丰富的交互式视图。         为了验证这个能力到底有多强，我按照官方推荐在 Claude Code 中安装了 Macaron Artifacts 插件，并给它出了一道结合了自然语言处理与复杂前端渲染的难题。         Macaron Artifacts GitHub插件：          https://github.com/MindLab-Research/macaron-artifacts          我要求它为我生成一个“全能个人投资与财务分析控制台”。界面需要极简的暗黑风格，带有环形占比图、资产走势图，最重要的是必须有一个可以手动编辑的数据表格，且数据修改后图表必须跟着联动。随后，我抛了一堆记账流水：“上周五花了 2500 块买二手显示器，昨天把 500 股腾讯股票按每股 380 港币卖了，今天发工资 15000 元，顺便把两万块沪深300指数基金也算进总资产里。”          `Prompt：          请使用 Macaron UI4A 为我创建一个“全能个人投资与财务分析控制台”。这个系统需要让我能够通过自然语言对话，完成极其复杂的财务记账与资产分析。    需求细节：     核心交互机制：我输入一段包含多笔收支、不同币种、不同资产类别的口语化描述后，你必须自动提取所有数据（日期、资产类型、金额、操作行为），并用 UI4A 渲染出对应的交互式数据面板。    面板必须包含以下组件：     顶部核心指标卡片：显示总净资产、当月盈亏比例（带红绿颜色提示）。    动态交互环形图：展示当前各项资产（如现金、股票、公募基金、定期存款）的占比。当鼠标悬停时，必须弹出 Tooltip 显示具体金额。    资产走势折线图：展示资产随时间的变化。    可编辑的数据网格（Data Grid）：列出刚提取出的每一笔交易流水。我必须能够直接在表格里点击单元格修改金额或分类，修改后，上方的环形图和折线图必须联动更新。    引入 Macaron 智能体角色：在控制台侧边栏渲染一个可爱的 Macaron 角色头像，它会根据我的财务状况，给出一句简短幽默的财务建议（例如：“这个月买数码产品花太多啦，即将吃土预警”）。    视觉与交互风格：     采用类似现代金融科技 App 的极简暗黑模式（Dark Mode），背景色使用深空灰，组件卡片使用带有微透明毛玻璃效果（Glassmorphism）的材质，边缘必须有细腻的 1px 高光边框。    图表的色彩搭配要克制且高级，避免使用高饱和度的彩虹色。    组件出现和数据更新时，必须带有柔和的淡入和数字滚动动画。    现在，这是我的第一笔输入，请根据它渲染整个 UI4A 控制台：     “上周五我花了 2500 块钱买了一台二手显示器，然后昨天我把手里 500 股的腾讯股票按每股 380 港币的价格卖掉了，今天发了工资 15000 元人民币。顺便帮我把之前的 20000 元沪深300指数基金持仓也加进总资产里算一下。”`          按下回车后的几分钟，Artifacts 可视化窗口里直接长出了一个带有精美很有质感的金融级 Dashboard，旁边的 Macaron 小助手还配上一句关于消费预警的幽默吐槽。         播放          下一个          打开循环播放          00:00     /     00:00          倍速          3.0X     2.0X     1.5X     1.25X     1.0X     0.75X     0.5X          多音轨          AirPlay          0          静音播放中，点击 恢复音量          画中画          网页全屏          全屏          你可以 刷新 试试          视频信息     1.33.6          播放信息 上传日志 调试信息 [X]          视频ID     VID     -          播放流水     Flowid     -          播放内核     Kernel     -          显示器信息     Res     -          帧数     -          缓冲健康度     -          网络活动     net     -          视频分辨率     -          编码     Codec     -          mystery     mystery     -          按住画面移动小窗          让人惊喜的还在后面。它不仅极其精准地从那堆口水话里剥离出了时间、资产类别并做好了港币换算，而且它生成的界面是真正“活”的。当我尝试在界面的表格里，新添加存款收入时，上方的环形占比图也随之产生动画，立刻做出了联动更新。         这意味着以后我需要的各种趁手工具，无论是健康打卡、塔罗牌游戏还是复杂的财务看板，都不用再去下载臃肿的 App，直接用一句话让 Macaron 当场为我“捏”出来即可。强烈建议大家试试          实测二：Coding          刚才的 UI 组件渲染让我看到了它在前端交互上的灵感，但硬核的代码编写往往需要极其严密的数理逻辑与空间想象力。

五 | 在 Macaron V1 的 MoL 架构中，L2 Coding 专家专门负责啃这些硬骨头。         case1:          我给它出了一个基于 Three.js 物理与视觉渲染难题。我要求它写出一个复古蒸汽朋克风格的“机械太阳系仪”，所有内容必须封装在单个 HTML 文件里。它不能依赖任何外部的 3D 模型或贴图，必须纯靠数学公式和原生几何体构建出完整的黄铜支架与齿轮。同时，整个系统还得遵循合理的行星公转规律，并附带基于物理的真实材质渲染（PBR）与动态光影。         `Prompt：     请使用 Three.js 创建一个高保真的 3D 网页，展示一座黄铜质感的“机械太阳系仪”（Orrery）。这个页面需要呈现出一种蒸汽朋克融合古典天文学的极度复古与奢华感。    场景与模型构建：     视角的中心是一颗散发着温暖金色光芒的太阳（无需过度夸张的光晕，要求柔和且有体积感）。    围绕太阳，构建包含水星、金星、地球（带有一个围绕其旋转的小月球）和火星的机械轨道。    整个系统必须看起来是由黄铜齿轮、金属摇臂和机械轴承驱动的。行星可以使用简单的球体，但支撑它们的结构必须是清晰可见的 3D 金属支架。    材质必须使用物理基础渲染（PBR）。

六 | 黄铜材质需要有高反射率、轻微的粗糙度变化，以反射太阳的光源，表现出极其逼真的金属质感。    运动逻辑与交互：     所有行星必须按照相对合理的公转速度比例围绕太阳运行，月球同时围绕地球运行。

七 | 运动必须是平滑的连续旋转，带有机械运转的沉稳感。

八 |     允许用户通过鼠标左键拖拽进行 360 度自由视角的查看，右键平移，滚轮缩放，操作需要带有阻尼滑行的顺滑手感。    页面右下角放置一个半透明的控制面板，包含一个“时间加速”滑块。

九 | 拖动滑块时，整个机械系统的运转速度会按比例加快或减慢。

十 |     视觉特效与环境：     背景应当是极暗的深空色，带有极其微弱的星空噪点。    使用点光源（PointLight）放置在太阳中心照亮四周的黄铜构件，并在构件之间产生真实的动态阴影（开启 shadow map）。    加入轻微的全局泛光（Post-processing Bloom），让金属的高光部位显得更加刺眼真实。    工程要求：     将所有代码打包在一个自包含的 HTML 文件中。    不允许加载任何外部 3D 模型文件（obj/gltf）或外部贴图文件。所有复杂的机械支架和齿轮结构，必须通过 Three.js 的原生几何体（如 CylinderGeometry、TorusGeometry）拼接组合或通过代码生成。

十一 | 材质反射所需的环境贴图请使用代码程序化生成。`          Macaron V1构建过程很有意思，它会在cc里一边构建一边调用浏览器获取屏幕截图实时测试渲染效果,找出故障直到最后成功，很明显给人一种从vibe coding到“氛围工程”的感觉，构建速度也非常快。         播放          下一个          打开循环播放          00:00     /     00:00          倍速          3.0X     2.0X     1.5X     1.25X     1.0X     0.75X     0.5X          多音轨          AirPlay          0          静音播放中，点击 恢复音量          画中画          网页全屏          全屏          你可以 刷新 试试          视频信息     1.33.6          播放信息 上传日志 调试信息 [X]          视频ID     VID     -          播放流水     Flowid     -          播放内核     Kernel     -          显示器信息     Res     -          帧数     -          缓冲健康度     -          网络活动     net     -          视频分辨率     -          编码     Codec     -          mystery     mystery     -          按住画面移动小窗          case2:          为了探探模型的底，我给它出了一个堪称“变态级”的难题。我要求它用 WebGL 纯手搓一幅包含十二个段落的“交互式水墨山水长卷”。不允许加载任何外部的图片素材或文件。

十二 | 它必须完全依靠数学公式去写出水墨晕染的 Shader，还要用严谨的状态机去管理排版，确保随着页面滚动触发的诗句绝对不能发生重叠。

十三 |          `用 Three.js 或其他合适的 WebGL 框架，做一个沉浸式的交互式水墨山水长卷网页，整体呈现为一幅可以横向缓缓展开的数字卷轴。    段落结构，这是本次最重要的要求，必须严格执行，不能偷工减料合并段落：整幅长卷必须明确划分成十二个视觉、节奏、色调都有清晰区别的段落，按以下顺序设计，每一段都要给出独立的构图密度和滚动手感，不允许出现两段观感雷同的情况：          晨雾远山：大片留白，远山只用极淡的墨色剪影层叠表现，滚动阻尼最轻，节奏最慢；     江畔渔舟：加入前述的涟漪互动，构图开始出现中景元素，色调转为浅赭石；     芦苇滩：大片摇曳的芦苇用简单的顺风摆动动画表现，构图呈现横向的疏密韵律；     溪涧飞瀑：画面出现明显的动态元素，一道细瀑从高处垂落，水流用半透明的竖向噪声纹理表现，节奏比前面几段明显加快；     松林听风：松树用交错的深浅墨色表现层次，风吹松针要有轻微的摆动，营造疏朗的听觉留白感；     竹林幽径：笔触明显变密，构图收紧，制造"钻进去"的压迫感，和前面几段形成强烈反差；     云雾山谷：云雾遮住画面中段，用户拖拽拨开云雾露出古寺，这是全卷第一个高潮，拨开瞬间画面短暂整体变亮并触发钟声；     古寺扫径：古寺前有一个极简的僧人剪影用缓慢的扫地动作循环，气氛安静，构图疏朗，作为高潮后的舒缓段落；     悬崖栈道：画面出现险峻的悬崖和一段悬空栈道，构图纵向拉长，制造高度感和轻微的悬浮张力；     暮色亭台：天色开始从日间过渡到黄昏，出现一座临水的亭台剪影，色调转向温暖的橘调；     黄昏点萤竹林：延续前述点萤互动，天色继续暗下去过渡到深靛蓝，竹林轮廓和暖黄色萤火虫光点形成冷暖对比；     月夜孤舟：天色彻底转入夜晚，一叶孤舟停泊在洒满月光的江面上，画面极简，只有孤舟、远山剪影和一轮明月，作为进入终章前的静谧收束；          十二段之后，画卷展开到底，镜头短暂拉远呈现一次全景式的山水鸟瞰终章，把前面十二段出现过的山、江、芦苇、瀑布、竹林、古寺、栈道、亭台、孤舟以更小比例同时呈现在一幅完整构图里，停留几秒作为整个体验的结尾画面。每一段的滚动阻尼、视差速度、留白疏密、主导墨色浓淡都必须有可以被明确感知到的差异，不能十二段读起来手感雷同。    关于背景音乐，请严格按古琴的传统音色逻辑实现，这次要求非常具体：中国古琴音乐的核心美学在于"散音、泛音、按音"三种音色的交替，散音是空弦拨响，音色浑厚绵长；泛音是轻触弦身产生的泛音，音色清亮空灵，接近钟声质感；按音是按弦拨响后可以做滑音和吟猱（也就是持续的、幅度很小的音高摆动，类似人声的颤音但更内敛）。请用 Web Audio API 合成这三种音色的近似效果：散音用较低音区、较长的指数衰减包络；泛音用较高音区、更短促干净、几乎没有谐波杂音的正弦波近似；按音允许在音符持续过程中对频率做缓慢的正弦调制模拟吟猱，偶尔加入一段音高的线性滑动模拟滑音。旋律节奏必须是自由节拍（散板），不能使用固定的鼓点或者规律的拍子驱动，音符的出现应该疏密不均、留有大量静默间隔，跟随画卷滚动的节奏自然触发而不是按照机械的等间隔播放，宁可稀疏也不要连成一片。

十四 | 十二个段落里，音色的散音/泛音/按音配比要跟着情绪变化：远山、亭台、孤舟这类空灵段落多用泛音，江畔、瀑布这类段落多用带滑音的按音，竹林、栈道这类段落可以适当用散音制造厚重感。古寺拨云段落的钟声要单独用一个更长衰减、更低频的独立音效实现，和主旋律的乐器音色形成明显区别。所有环境音效（水声、风声、竹叶声）都建议用带通滤波白噪声实现且音量明显低于主旋律，避免形成新的持续背景噪音。请在实现后自行确认合成结果是疏密有致、有留白呼吸感的散板旋律，而不是任何形式的持续音、规律鼓点或者电流般的嗡鸣声。

十五 |     关于书法文字渲染的重叠问题，请严格按以下方式实现：全卷共有对应四到六个关键节点浮现的诗句文字（拨云见寺、点萤竹林、江面涟漪、月夜孤舟等节点），这些文字必须用一个统一的文字队列管理，同一时间画面上有且只能有一句诗句处于可见或淡出状态，绝对不允许出现前一句还没完全淡出、下一句已经开始逐字浮现的情况。具体实现上，请维护一个状态机：书写中、停留中、淡出中、空闲，只有当前一句诗完全进入空闲状态之后，才允许下一个触发点开始播放新的诗句；每次绘制新诗句之前必须先完全清除上一句诗句占用的画布区域或者 DOM 内容，不能在同一块画布上叠加绘制导致笔画重叠；诗句的显示位置固定在画面同一侧的同一个锚点区域，且该区域不能和其他 UI 元素（进度指示、静音按钮）发生重叠。如果用户滚动速度很快、连续触发了多个节点，后触发的诗句应该进入队列等待，而不是和前一句同时显示。    视觉风格延续水墨晕染质感，宣纸质感的米白底色，笔触边缘有淡淡墨色扩散感，留白为主，构图疏朗，符合"计白当黑"的传统审美，点缀色克制（朱红印章、赭石夕阳、暖黄萤火）。

十六 |     交互设计保留并延续：云雾拖拽拨开露出古寺、萤火虫点亮漂浮、江面涟漪扩散衰减、书法逐字浮现古诗，每个互动点的音效反馈要和对应段落的古琴音色（散音/泛音/按音）保持统一逻辑，不要各自为政。    加入极轻微的镜头呼吸感，幅度克制，不能引发眩晕感。    技术实现上，水墨晕染用自定义 shader 结合噪声函数实现墨色扩散和边缘羽化，云雾、水流、风吹植被用多层噪声纹理叠加位移动画表现，长卷横向推进用滚动或拖拽距离驱动摄像机位移并配合视差效果，十二个段落之间的视差速度和留白密度要有可感知的差异，终章全景可以用缩小场景比例、拉远摄像机结合淡出前面段落细节的方式实现。    界面只保留极简元素：开始提示、静音按钮、卷轴形状的进度指示（进度条上用十二个小节点标出各段落位置）。    工程约束：返回一个完整的、自包含的 HTML 文件，CSS 和 JavaScript 都嵌在里面，只使用 Canvas/WebGL、Web Audio API 和浏览器原生能力，不允许外部图片素材、字体文件、网络请求、构建步骤或服务器，书法文字用矢量路径动画或 Canvas 逐笔绘制实现。要优化 shader 和粒子效果性能，保证长卷持续滚动时画面流畅不掉帧。给静音按钮、进度指示、云雾交互区域、萤火虫交互区域分别加上 data-testid 属性，并暴露一个 window.inkScroll 对象，包含 scrollTo(position)、toggleMute()、getState() 方法，其中 getState() 要返回当前卷轴进度、当前所处的段落序号（1 到 12）、是否静音、当前是否有诗句正在显示等信息。    最终效果应该让人明确感受到十二个段落各自不同的情绪和视觉节奏，背景音乐是疏密有致、留有呼吸感的散板古琴旋律而不是任何形式的持续噪音，书法文字任何时候都不应该出现重叠或叠加绘制的情况，整体审美克制精致，经得起截图和录屏传播。`          这次花费的时间比较长，有半个小时左右，Macaron V1会不断的进行端到端的测试，截取屏幕找故障，单次效果：          播放          下一个          打开循环播放          00:00     /     00:00          倍速          3.0X     2.0X     1.5X     1.25X     1.0X     0.75X     0.5X          多音轨          AirPlay          0          静音播放中，点击 恢复音量          画中画          网页全屏          全屏          你可以 刷新 试试          视频信息     1.33.6          播放信息 上传日志 调试信息 [X]          视频ID     VID     -          播放流水     Flowid     -          播放内核     Kernel     -          显示器信息     Res     -          帧数     -          缓冲健康度     -          网络活动     net     -          视频分辨率     -          编码     Codec     -          mystery     mystery     -          按住画面移动小窗          扑面而来的东方美学质感着实让我起了一身鸡皮疙瘩。伴随着鼠标滚轮的推进，画面从大片留白的晨雾远山，一路推演到冷暖对比强烈的黄昏竹林，最终收束于极简的月夜孤舟。十二个段落的滚动阻尼、视差速度和墨色浓淡过渡得很有呼吸感。         Macaron V1 通过 L2 专家将代码能力放进专属的参数空间里独立优化。这种物理上的隔离使得它在写代码时心无旁骛，指令能精准遵循工程约束。         实测3:Agent          Agent 这块我测了一个更贴近真实工程现场的任务，让Macaron V1自己去 FastAPI 这个几十万星标的开源仓库里翻 issue，挑一个被很多用户反复提起、但一直没人推进实现的功能需求来做。         `prompt：          去探索 FastAPI（tiangolo/fastapi）这个 GitHub 仓库，找出一个被多个用户反复提出过、但目前还没有人实现或者积极推进的功能需求。

十七 | 优先挑选那些有明确社区诉求、维护者也表现出兴趣、并且目前几乎没有实现进展的 issue，而不是随便挑一个冷门诉求。仔细分析现有代码库的架构和编码规范，设计一个符合 FastAPI 现有设计模式的解决方案，实现这个功能，补充完整的测试和文档，并确保所有现有测试仍然能够通过。最后请说明你为什么选择这个功能，以及总结你的实现思路。`          整个测试花了2小时左右，它最后选中的是一个关于同时使用多个 Query、Header、Cookie 参数模型的老问题，仓库里已经躺着一个 2024 年就提出的相关 PR，点赞和回复都不少，好几个用户明确说自己的项目被这个限制卡住了，维护者也表态认可这个方向，但两年过去，这个 PR 一直卡在反复解决合并冲突、迟迟排不上最终审查的状态。

十八 | 模型把它当成候选之后，先确认了问题在最新代码上依然成立，也没有被别的改动悄悄解决掉，还特意避开了另一个看起来类似、但维护者已经明确说要自己私下处理的功能点，没有去凑一个其实已经有人在做的伪需求。

十九 |          ↑ 上下滑动查看完整图片 ↑          这个 PR 我核实了一下（真实存在，#12481，从 2024 年 10 月开到现在还没合并），细节和你报告里对得上          定位根因这块，它给出的解释是，FastAPI 处理单个 Pydantic 模型作为参数时会把字段展开成一个个独立参数，但同时传入多个模型时只有第一个会被展开，其余的会被整体当成一个对象塞进接口文档，导致文档里写的调用方式和实际运行时能接受的调用方式对不上。代码里刚好有两处只处理单模型情况的判断逻辑，一处管接口文档生成，一处管运行时参数解析。它把这两处都改成能遍历处理所有模型的版本，抽出一个公共辅助函数复用，同时保证原来单模型场景的行为完全不受影响，新增了六个测试覆盖多模型场景，又给官方教程补了一个新例子和八个配套测试。跑完仓库里原有的三千多个测试，全部通过，唯一一个失败项跟这次改动完全无关，回退代码之后同样会失败，说明是环境本身的问题，不是它改坏的。         撑得起这些能力的，是几套基础设施          前面这些表现背后，团队在训练基础设施上做了不少工作，简单说两个。                   一个是 2M 原生上下文的训练问题。推理端读百万级 token 不难，但强化学习训练要给同一个提示词评估多份回复、保留激活、累积梯度，训练端在固定硬件上很容易卡在二十多万 token。团队的解法叫 LongStraw：共享的长提示词只算一次存成可复用的常驻状态，后面只重放真正有学习信号的回复分支。官方数据是，8 张 H20 上把 Qwen3.6-27B 的 GRPO 训练推到 210 万 token，常驻前缀训练能到 446 万 token；32 张 H20 上用同样方法训练 GLM-5.2（78 层 MLA/DSA、256 专家 MoE），全模型训练也做到了 210 万 token。         另一个是模型自我进化的问题。MinT 管底层训练基础设施，Actor 和 Learner 之间只传 Adapter，配一个百万级的 Adapter 目录，端到端能撑到万亿参数模型，跟 MoL 的插件式架构正好契合。

| 在这套设施上，HyperRSI 跑递归自我改进的闭环，训练框架 MindForge 把 Pi 和 Claude Code 生产环境的 Harness 直接接进强化学习，用同一套 HCP 协议对齐训练和线上环境看到的任务信息，保证练的和用的是一回事。闭环大致是：从种子任务生成更难的任务，筛掉没价值的，对生成的轨迹做审计，反复调整直到没有进一步收益，再把经验固化成新的模型参数，如此循环。

|                    跑分          团队自己搭了两个个人化的评测集，ChatBench 看的是模型在长的智能体上下文里是否诚实，该说的说、该藏的藏、该认错的时候别硬撑；LivingBench 是一个能跨数周持续互动的纵向评测，搭在一个模拟沙盒里，里面有动态噪声、动态生存环境和动态用户三种机制，专门用来看模型在任务执行过程中偏离原计划之后，还能不能继续理解用户需求、验证信息、重新规划、处理意外，同时不侵犯隐私。自 Preview 版本以来，这个基准也一直在扩展，覆盖了更多不同文化背景下的案例。         除了这两个自建的，团队也在 VitaBench、PinchBench（个人生活智能体）、SWE-Verified、DeepSWE、TerminalBench 2.1（编程与终端）、UI4A-Bench（生成式 UI）这几条通用能力轴线上做了对比，同台竞技的还有 Opus 4.8、GPT 5.5 等几个前沿模型。官方给出的结论是，在个人生活和生成式 UI 这两条线上，Venti 能打平甚至超过这些前沿基线，同时还保留了开源和可自托管的优势；编程这条线上，V1 保持在跟前沿水平接近的位置，团队自己的说法是这是他们给「非个人生活类」能力轴线定的标准，没有硬说自己在编程上是最强，这点倒是挺实在的。         写在最后          测完这一圈，我个人的感受是，这个模型没有把力气花在「看起来什么都会」这件事上，反而是老老实实地把个人场景拆开，一块一块去啃。

| 架构上用 MoL 把不同能力隔开训练，基础设施上死磕 2M 上下文和自我迭代的闭环，评测上专门搭了两个盯着诚实和长程稳定性的基准，这几个选择放在一起看，是一套挺连贯的思路。指令遵循更好，更安全，有些危险的东西会问用户再操作，GLM5.2 喜欢一股脑上，coding上幻觉比原版glm5.2小。         当然，这也就是几天的体验，长期用下去稳不稳、遇到复杂场景会不会翻车，还得再观察。如果你也对这类Agent方向的模型感兴趣，可以自己上手试试。                             --end--                    最后记得⭐️我，每天都在更新：如果觉得文章还不错的话可以点赞转发推荐评论          /...@作者：你说的完全正确（YAR师）。

Current article:http://www.roubutianquegumaigoubingdian.cyou/list_key7eeo/car.xls

Published on:02:12:28