听说老东家把 AI 数据提成了一级部门，只感觉模型会越来越落后。这种动作一般适合终态已经存在并且时机成熟，通过加大投入和大力出奇迹迅速追赶。但目前显然不是这个格局。 模型能学会什么，不只取决于有多少数据，也取决于出题的人能看见多大的任务。更合适的组织形态是： 「认为 agent 下一阶段哪个方向重要的人」定义 topic 制作 evals，自己给 harness 贡献代码弥补现有模型不足，然后制作数据参与训练，并且自己贡献代码补齐训练所需 infra 短板。这些工作都应该按 topic 划分颗粒度，重叠在一个人身上。 否则每个环节独立一个部门会导致每个部门都有自己的 priority list，都会算自己的 ROI。 其实上面这种人很好找，也就几个标签取交集： 1. 大厂 infra 2. 是转码的而不是一直学计算机的 3. 转码前学术水平突出或者用非计算机背景就业过 4. 有 AI-native sense（看 AI 订阅，token 用量和用 token 做的事） 5. 有生活、不是工作狂，或者 work hard, play harder 这些标签里面：大厂 infra 足够说明技术过硬；转码并且学术背景突出或者非计算机就业过说明自身泛化能力强；有生活、不是工作狂或者 work hard, play harder 大概率有品位；剩下需要动态判断的就是用 AI 订阅做过什么事了。 而 agent 在非 AI-native 组织和 AI-native 组织中「下一个阶段重要的事情」其实并不一样。比如： Anthropic，OpenAI 和月之暗面目前都在 bet 「Agent 组织」，从公开的 papers 和 feature release 都可以看到「动态生成 subagents」的能力： Anthropic 2025 年 6 月就在 Claude Code 释出 subagent 功能了；OpenAI 在 GPT 5.6 Sol Ultra 也训练了主动拆解任务到 subagent 的能力；月之暗面则是紧跟 Anthropic 其后的：我在 2025 年 8 月时针对 Opus 4.1 制作了基于 subagents 的生产流水线，在上面跑 2025 年 9 月发布的 Kimi K2 时发现 K2 的 subagent 能力就已经达到了 Anthropic 同代 Opus 4.1 的水平（这也是我认为月之暗面是目前国内唯一真正未掉队的选手的原因之一）。 这个能力的本质是在任务拓扑方向上部署算力。当能力训练进入模型后 AI 做得比人好，人可以在仅 focus 在目标的前提下 leverage 更多算力处理更多事情。 但同样是这个能力，在非 AI-native 玩家看来，从任务横向上拆解好即可。而在 AI-native 玩家看来，除了对任务进行横向的拆解，还需要做以「更大目标」为导向的先后顺序依赖的拆解。 因为非 AI-native 玩家短时间无法化解汇报层级，目前基本上是给每一个员工配置一个 agent，所以 agent 的任务通常无法跨越员工汇报层级。 而 AI-native 玩家里面没有这个限制，agent 上跑的任务就是全链路的。所以他们的预期是：动态生成一个临时 agent 组织，然后达成目标，目标可以足够大。而这种预期最终就会进入训练。 Claude Code Dynamic Workflows 和 Kimi Agent Swarm 就是这种大目标实现能力在 2026 年年中的一个具体实现。 大厂们想躲过明星创业公司的碾压和斩杀，除了投入度需要跟上，还需要在组织形态上做变革。但是旧的秩序依然需要维护，激进改革很有可能杀死现金奶牛。不过如果最后组织形态变革没有跟上，认知比不过明星创业公司的话，就很难完成涅磐。

Manus 从产品形态看基本就是朝着「终局」去的： 1. 本地无打扰完全运行在云上 2. 2025 年中引入 wide research 增加任务拓扑方向上智能调用密集度 3. 2025 年年底透露在做主动式 agent 拓展时间维度智能调用密集度 4. 很早就建立了 evaluation 团队 只能说季逸超牛逼。老天让这个团队运气再好点吧。

其实厉害的观点和实践并不需要学术机构或者科研人员才能做出。 这篇论文中的方法论在早前就有一位 X 友（ @qqqqqf_ ）在使用了。并且在 Fable 5 发布时就用这个方法测量出 Fable 5 模型指纹相较 Opus 系列发生的显著改变，推测使用了不同的数据集进行训练。

我不认同，这是典型的唯参数论。忽略了模型厂商的战略眼光、模型训练对用户体验的供给以及模型使用人口变迁。 Kimi K3 标注是 Opus 4.8 级别，我个人体验下来其实是基于它的木桶短板标的，而它的长板完全可及 Fable 5。Kimi K3 在长尾数据的训练上面并没有 Fable 5 训练得那么全，会导致在多轮对话的任务中失败一次，然后次次修补，进入一个很差的体验。这和 Opus 4.8 的体验完全一致。 而 2026 年中的顶规模型可以保证状态一直在线。首先 Fable 5 的长尾数据训练非常全面。然后 Fable 5 的急剧性能衰减需要到达上下文长度的 80% 到 90% 才会出现。而 Kimi K3 基本在 40-50% 时就能感受到性能衰减。 上述 Fable 5 的优势对于整体体验来说提升的不只是一点两点，而是四五倍的提升——因为每一步有 5% 的任务失败概率，那么 10 步都成功的概率仅为 60%；而把每一步的失败概率消除一半，那么 10 步都成功的概率将提升至 78%。这个提升对于长程任务来说只会更夸张，比如放大到 50 步则可以将成功率提升接近 4 倍。 这就是 Fable 5 对于从事从 0 到 1 创新的工作者来说体验非常棒的原因——因为从 0 到 1 不可能 one-shot、也极有可能进入数据训练盲区。 那为什么大家会觉得 Kimi K3 好？是因为它的 one-shot 能力真的很强。而 one shot 成功自然会带来成就感。 而早在移动互联网开始时，很多人争相阅读的 Emotional Design 中就强调过「成就感」对用户体验带来的提升。Frog Design 的创始人 Hartmut Esslinger 也提出过 "Forms follow emotion（形式追随情绪）" 的设计原则。 所谓「形式追随情绪」就是让情绪成为恰到好处的功能装置。而大部分用户想用最快的速度搞点东西出来，那极高的 one shot 成功率带来的极高情绪满足就是最好的功能装置。 但 one shot 很多 AI IDE 在 2025 年就能做到，为什么 2025 年它的传播效应没有这么高，而 2026 年可以？ 这是因为用户人群发生了改变。在 2025 年的主要适用人群——专业开发者看来，one-shot 能力是非常鸡肋的，因为我们要对工程细节进行打磨。但是 2026 年更多非程序员群体以办公人群的身份加入，导致评价标准发生了变化。 就像在移动互联网时代我们不能说：对于普通人来说想处理照片 Lightroom 足够了，没有必要购入 Photoshop。因为对于普通人来说真正合适的是美图秀秀、醒图、各种风格化相机。 可以说月之暗面在模型训练方面押注前端 one-shot 能力确实是一手好棋。 当然，这些用户会成长，会想做一些个性化的改动、会有创造新东西的需求。最后还是会碰到长 K3 上下文性能衰减和长尾数据不全面的短板。不过我想国产开源大模型应该已经有了第一批国内原住民——这些人没有用过美国头部两家的模型，在他们眼里，Kimi 就是最好的。

我个人还是希望 Lin Junyang 所率领的团队后续可以有高质量的本地模型，因为 qwen 3.6 27B 4-bit 对我来说真的很重要 另外这个模型可以复现 J-Space，后续对于全球开发者理解大模型是如何工作的，应该也是非常重要的基建 模型公司以外的开发者真的很需要高质量的本地模型