張小珺商業訪談錄 × 羅福莉 · 3.5 小時深度對話

AI 範式已然鉅變

OpenClaw、智能體框架、後訓練的新戰場，以及鉅變下的組織

羅福莉，現任小米大模型負責人。此前主導了 DeepSeek V2 的架構設計，2026 年初帶領團隊發佈 MiMo V2 系列（Flash、Pro、Omni、TTS）。外界稱她「AI 天才少女」，但她自己並不在意這個標籤 —— 她更在意的，是每一次實驗背後那條能不能 scaling 的曲線。

這次對話發生在 MiMo V2 系列發佈之後。暢聊了三個半小時，從 OpenClaw 聊到 Agent 框架的本質，從後訓練範式的劇變聊到她如何管理一支沒有組、沒有職級的研究團隊。

01 / 範式轉折點

一個春節，三天覺醒

羅福莉最初排斥 OpenClaw。在她看來，這不過是 Claude Code 套了一個更好看的 IM 界面，加上幾個「玄幻」的運營動作。直到春節，她才真正坐下來安裝它。凌晨兩點裝好，一直聊到天亮六點。

第一天，我覺得它只是產品設計上超乎想象 —— 有靈魂；第二天，我開始把生活和工作裏真實的問題交給它，發現全部做出來了；第三天，我把研究任務交給它，一兩個小時內，我覺得不可能完成的事情完成了。三天，每天都給我新的驚喜。

她用 OpenClaw 構建了一個 User Agent 用於多輪對話模擬 —— 這是後訓練 Agent 場景的核心數據來源之一。整個過程不到兩小時。她的判斷由此產生了根本性轉變：這不是一個更好的編程助手，這是一套能彌補模型短板、放大集體智慧的新框架範式。

春節假期結束，她給團隊下了一道命令：如果第二天與 OpenClaw 的對話不超過 100 輪，可以直接辭職。她笑着說，其實她從未打算考核 —— 她只是想讓大家體驗，因為「體驗本身就是最好的管理方式」。

02 / 框架的本質

Agent 框架不是產品，是人與模型之間最厚的那一層

在羅福莉看來，Agent 框架常被誤解為「產品」。但它其實是人與模型之間的一箇中間層，可以做得非常厚重：它定義瞭如何編排上下文、如何調度多模型、如何持久化記憶、如何感知時間和環境 —— 而前端 UI，反而是最薄的那層，不那麼關鍵。

OpenClaw 與 Claude Code 最大的差異，不在於界面，而在於設計哲學：

她發現，把一個小到 3B 的端側模型接入 OpenClaw 後，它能完成她認為不可能是小模型能做到的事。這讓她第一次真實感受到：一套精細設計的 Agent 框架，可以彌補非常多的模型能力短板。中層模型 × 好框架 = 接近頂尖模型的體驗。

而反過來，頂尖模型（Claude Opus 4.6）在這套框架裏的價值，則是幫你把框架本身改得更好 —— 用 Opus 把 Agent 架構調優之後，再切回更便宜的 Sonnet 或國內模型，依然非常好用。模型與框架，是雙向進化的關係。

03 / 後訓練的範式革命

Post-train 的算力投入將與 Pre-train 持平

Chat 時代，後訓練只是收尾工作，Pre-train 與 Post-train 的算力比例可能是 3:5:1（研究 : 預訓練 : 後訓練）。而在 Agent 範式下，這一比例正在急劇變化。

原因在於：Agent 範式是一個長程、多輪、需要與真實環境交互的任務場景，模型在這個範式下能被激發出來的潛力遠超 Chat。後訓練的週期因此大幅拉長，模型在長上下文中建立的能力越來越成為核心變量。

她用一個比喻解釋 Code 能力為什麼如此關鍵：真正能達到 128K 乃至 1M 上下文長度的訓練數據，基本只有兩類 —— 代碼和書籍。書籍的信號太發散，代碼文件之間的長程依賴更密集，因此在代碼上訓練的模型，天然對長上下文建模更好。

Code 是在拉模型能力的上限；訓其他領域是在保下限。把軟件開發做好，基本上模型通用的特質就已經很好了 —— 不僅是模型本身，Agent 框架本身也會迭代得非常好。

04 / MiMo V2 系列

一次「悄無聲息的伏擊」背後的技術押注

MiMo V2 系列（Flash、Pro、Omni、TTS）在發佈時並未大張旗鼓，卻被羅福莉稱為「悄無聲息的伏擊」。在 Agent 範式還不明朗時，團隊已做出了若干前置押注：

① Hybrid Attention 架構，而非主流的 MLA

MLA（多頭潛在注意力機制）在 Chat 時代是優秀的選擇，但它將計算效率壓到極致，沒有給推理加速留下空間。MiMo 選擇了 Hybrid Attention（混合全局注意力與滑動窗口注意力），計算上有富餘 —— 這正好為 MTP 創造了條件。Pro 將稀疏比提升至 7:1，在更大參數量下維持了 long context 效率。

② MTP（多詞元預測），推理加速的關鍵

在模型訓到中後期、開始設計推理方案時，團隊發現 Hybrid 結構在計算上有大量富餘，MTP 完美填補了這個空缺。結果是 Flash 能跑到 100–150 TPS、Pro 也能達到 60–100 TPS —— 用戶普遍的第一感受是「好快」。MTP 不引入幻覺（預測準了才採納），且通過預訓練階段加一層 MTP 還能提升基座能力，中途是一筆意外之財。

③ 1T 參數量，Agent 時代的入場券

她認為，在 Agent 範式下，如果要做到接近 Claude Opus 4.6 的水平，1T 以上的總參數量是入場券。參數量加上 context 質量，共同決定智能的上限。

④ Omni + TTS：不是多模態敍事，是 Agent 行動的感官

多模態的意義不是讓模型看圖，而是讓 Agent 在執行長程任務時能夠感知更多模態的輸入。TTS 選擇了將音頻離散化、統一進 LLM 架構 —— 這是「NLP 執念」，也是一條更優雅但更難的路。目前音頻已經跑通，圖像離散化還在進行中。

05 / RL Infra 的新挑戰

Agent RL：必須容錯，必須兼容異構

訓練 Reasoning 模型（R1 範式）時，RL Infra 的核心是推理引擎本身 —— 模型思考很長、給出答案，整個流程相對可控。但在 Agent 範式下，RL Infra 要面對的是一個黑盒或白盒的 Agent 框架：Rollout 可能中途斷掉，原因五花八門 —— 超時邏輯、驗證流程過長、異構集羣的訓推不一致……

Pre-train Infra 不能容錯，出了 loss spike 就要停下來解決；但做 RL Infra，你必須允許它容錯。這對人的要求截然不同 —— 需要算法和工程之間大量的妥協，中間那個模糊地帶非常多。

她認為，真正把 Agent RL 做到 Pre-train 量級的團隊，全球範圍內非常少。Anthropic 大概率做了，其他團隊從模型效果來看，還沒有 scaling 到相同量級。這是接下來最重要的差異化戰場。

06 / 組織與人

沒有組、沒有職級，靠熱愛驅動的 100 人團隊

MiMo 團隊目前約 100 人，涵蓋數據、預訓練、後訓練、Infra、產品等全鏈路。但內部沒有組的劃分，沒有職級。她的邏輯是：

層級會壓制創造力。有了層級，就默認層級高的人智能更強 —— 這個界定在研究場景裏非常奇怪。

預訓練的人做後訓練有天然優勢。他們天然重視多樣性 —— 而多樣性正是 Agent 後訓練時代最缺的視野。

環境比經驗更重要。她不在意候選人歷史經驗的已訓練狀態，只在意他們的初始化上限 —— 好奇心、熱愛、基礎能力。具體技能，放到好的環境裏，最多三四個月就能習得。

她甚至開始傾向於招大二大三的本科生，因為他們思想沒有被禁錮，對 Agent 範式的想象力往往高於有經驗的博士。

訓 1T 模型的核心團隊，真正在這一代模型上迭代的人，其實只有二三十個。"小團隊、極致、以身示範地解決問題" —— 她認為這才是做研究最行之有效的方式。

07 / 競爭格局與未來

兩三個月追上當代 Claude，兩年內 AGI

她對中美差距的判斷：國內已有好幾傢俱備 1T 以上基座的公司（Kimi、MiMo 等），與 Claude Opus 4.6 的代差大約是兩三個月 —— 不是兩三個月後能追上當下的 Claude，而是能追上當代的 Claude。

在這個基礎上，2026 年的勝負手是：

關於 AGI：兩個月前她認為至少兩年以上。現在她的判斷是兩年以內。關鍵變量是「AI 訓 AI」 —— 當模型能夠自己訓練自己，到達最頂尖那羣人的智能水平，它就能創造新的研究。

它先吸收所有人的智能，然後再靠自己產生更強的智能 —— 這件事大概率在這一兩年發生。

本文內容整理自張小珺商業訪談錄播客節目
原訪談時長約 3.5 小時，內容有刪減和重組