MindLab推出MintRecursive平台，加速企业模型后训练与迭代

在人工智能领域，模型开发正从单纯追求参数规模转向更注重应用落地和持续优化。近期，Mind Lab推出的Mint Recursive平台及其配套模型Macaron-V1.1，为这一趋势提供了新的解决方案。

Mint Recursive是一个集成了测评、数据处理、后训练和部署功能的全流程平台。用户可以通过API或Python SDK便捷调用其能力，并能将生产环境中的真实反馈接入系统，实现模型的持续改进。这一平台的核心优势在于其Serverless架构，客户无需自行购置GPU集群，只需按实际使用量付费，显著降低了企业进行模型后训练的技术门槛和成本。

基于Mint Recursive平台，Mind Lab推出了参数规模达752B的Macaron-V1.1模型。该模型由744B基座模型和四个2B的LoRA专家模块构成，分别负责Chat、Agent、Coding和Generative UI等功能。与前代相比，Macaron-V1.1在多个基准测试中表现全面提升，特别是在SWE-Marathon（超长程AI编程能力）测试中展现出显著优势。

值得注意的是，Macaron-V1.1完全基于Mint Recursive平台完成训练，这不仅验证了平台的可靠性，也展示了其在支持复杂模型迭代方面的强大能力。Mind Lab创始人陈锴杰表示，从Macaron-V1-Preview到Macaron-V1再到Macaron-V1.1，模型的迭代周期正在不断缩短，显示出后训练流程的持续优化。

在Infra层面下功夫已成为行业共识。例如，智谱AI通过让GLM-5.3驱动的Infra Agent自动优化自身推理引擎，实现了端到端吞吐量的显著提升。而Mind Lab则专注于优化从后训练到部署的整个流程，包括数据管理、评测体系和反馈收集等环节。这种差异化的技术路线，使得Mind Lab能够在激烈的AI基础设施竞争中找到自己的定位。

随着大模型应用逐渐深入各行各业，如何快速响应业务需求、持续优化模型性能成为关键挑战。Mint Recursive平台通过提供灵活的后训练工具和高效的资源利用方式，为企业提供了强大的技术支持。未来，随着更多企业采用这一平台，AI模型的迭代速度和应用效果有望得到进一步提升。