陆三金 (@threeaus)

之前不小心把 Opus 5.5 做的这个纪录片删掉了，重新传一下。 没想到这部片子在小🍠上收到了相当不错的反馈，甚至还因为这部小片，已经收到了北京某大学国庆期间讲座的邀请。 这是关于《药师佛佛会图》的一个记录短片 事情是这样的： 1928年，山西洪洞广胜下寺年久失修，寺僧与士绅商议后，将元代壁画切割出售，得银洋 1600 元，用来修缮大殿。 碑文写道：“舍此不图，势必墙倾像毁，同归于尽。”其中的《药师佛佛会图》高7.5米、宽15米，今藏纽约大都会艺术博物馆。 2026年9月，中国艺术研究院团队以"研究性临摹"的方式，让它在北京中国工艺美术馆与观众见面。展览至11月15日。 中国人用临摹的方式，让这件文物“回了家”。 这个故事给了我两层触动： 1、区区 1600 银元，就把这样的壁画卖了出去； 2、工艺美术馆有一些关于这场临摹的讲解视频，看了之后，很感动。

Opus 5.5 用 6300 帧生成了苏轼的一生，中秋快乐.mv 用 Claude Opus 5.5 整了个苏轼一生的动画，配合《水调歌头·明月几时有》（王菲演唱的版本），做了一个MV。 真的太强了，我用一个较长的提示词和王菲的歌做启动，第一版本就让我很喜欢，但是没有注释和歌词字幕，我就让它自己生成一下，字幕和解释都非常适配。 后续也简单微调了一下最后的剪影，太好操控了。当然，里面还有很多小细节，都可以调整到更好，总之是真正的言出法随，调整还不会乱动其他部分。 不多说了，祝大家中秋节快乐。

总结下罗福莉访谈中的一些主要信息 Agent 框架 - 访谈的前 1 个小时都在讲 OpenClaw，给部分人造成了不好的观感，但个人觉得无碍，这个里面穿插了罗福莉对 Agent 框架的理解。OpenClaw 让她认识到了 Agent 框架的力量，一套非常复杂的Agent框架设计，可以弥补非常多模型能力的短板，也能让一个中等模型表现更好。我们的日常生活，通过一套好的 Agent 框架 + 一个性价比高的中等模型，可以满足大部分需求。 - 在罗福莉的实践中，她是先用 Claude Opus 4.6 改进 OpenClaw 的框架，然后再切到弱一点的模型，发现也很好用，这一过程也启发了 MiMo-V2-Pro 的后训练过程。 - 关于 agent 为什么是在最近才爆发；罗福莉认为，之前的 agent 框架非常简洁，并且通用性不够；另外，模型能力也不够。OpenClaw 和 Opus 4.6 的“握手”，非常重要。 - 关于很多评测指标，如 BrowseCap、SWE-Bench、Terminal-Bench，即使这些是 agent 相关的指标，但也是错误的指标，分高不代表能用，这也是一个歧途，导致很多公司在 25 年走了弯路，并没有真正为 agent 训练模型。 Agent for 研究 - 罗福莉团队已经在用 OpenClaw、Claude Code 这些 Agent 来加速研究过程，以前30、40周做到的事，现在只需要 3、4周。研究加速后，卡的数量变成了瓶颈。 - 之前做研究，中间流程很长，至少一两周，快的话也需要一两天，现在在 agent 辅助下，一两个小时就可以做完。以前罗认为训模型是很难的，她最近发现只要把近期的 context 告诉它，它甚至能帮你复原你的科研成长路径，在同样的话题下，跟你一样聪明。 团队和管理风格 - 之前 MiMo-V2-Pro 发布的时候，罗福莉提到过对团队的要求，第二天 OpenClaw对话次数不超过100轮的人，可以离职，但这个事并没有明确的考核。这也反应了罗福莉的管理风格，更希望去激发好奇心和热情，靠热爱去驱动管理。 - MiMo 是非常小且极致的团队，目前已达到 100 人，团队没有 deadline，只要雷军接受即可，独立于小米团队架构之外。 - 团队没有分组，也没有具体的 leader，没有职级，非常扁平，很多人进来之前也没有做过一个大模型。 研究和趋势判断 - 26 年仍然是围绕生产力变革，在高生产力场景。但另外一方面，85%的普惠场景也需要好的 agent 来满足，多模态、低成本、高效、高速度，很关键。 - Agent 是非常长程和多轮的任务，现实世界很少有可以达到这种级别（1M context）的数据，code 是为数不多的选择。把 code 做好，模型的长下文能力会变好，agent 能力也会变强。 - 模型公司的入场券：long context 并且非常高效，预训练阶段做好 code、 1T 参数，达到Opus 4.6 的能力。 - MiMo V2 Omni 模型比 V2 Pro 小，但由于是多模态训练，它对世界感知能力以及知识储备上会比 Pro 更强。 - 在 agent 时代，用于研究、预训练、后训练的计算比例应该是 3:1:1，而在 Chatbot 时代，预训练和后训练的比例是 3.5:1。 - 行业主流采用 DeepSeek 的 MLA，小米选择了 MTP，是因为模型训到中后期，开始设计推理方案时，发现在他们的推理卡上计算剩余太多，MTP 很很合适；同时，MTP 也更适合 Agent 时代对长上下文和推理速度的双重需求。罗认为 MLA 对 Chatbot 是个好架构，但对于 Agent 不够好。 - 对 AGI 的实现比较乐观，认为现在已经实现了 20%，未来 2 年可实现 AGI。

Anthropic 的哲学家@AmandaAskell 最近参加了一个访谈，在访谈中她分享了自己探索好奇领域的一个方法。 提示词大概是： 我希望你从「xx」领域里选一个大概研究生水平的概念。然后我希望你通过写一个寓言的方式，间接地把这个概念完整讲出来。最好一直到快结尾时，人才会慢慢意识到这个概念究竟是什么。然后在故事之后，再补一段解释，把你刚才真正要讲的概念说清楚。