智能的成本下降与全新的知识协作系统

让人激动的一周！

Claude Opus 5.5：可以放心交出主代理的位置了

从我自己的体感看，Opus 5.5 比 GPT-6 Sol 更让人印象深刻。在大部分任务上，它的表现已经和 Fable 相差不大。更明显的变化在语言风格。过去大家诟病的“AI 味”，这一版基本被消灭了。Opus 的输出现在真的有人味。

它也改变了我跑长任务的方式：

• 以前： Fable 做主代理，负责规划和判断。Opus 做子代理，当作打手去执行具体任务。这样可以节约额度。
• 现在： Opus 5.5 做主代理。只需设置 /advisor fable，在长任务的关节节点唤醒 Fable 做决策和复盘。

新方案效果更好，而且额度消耗明显变慢。差不多的任务，Opus 做主代理非常耐用。按我的体感，消耗速度比 Fable 做主代理低了一半左右吧。

GPT-6 Sol

GPT-6 Sol 同样是一次扎实的升级，性能更强（可能吧），价格更低（这是真的）。只是在我的日常长任务里，它带来的体感变化没有 Opus 5.5 那么大。当然，Astra 还是非常强，就是消耗额度实在是太快了，实在是顶不住。目前还是用 Astra 作为主代理，然后具体任务都使用 Sol 当打手，就算是这样额度依然跑得飞快。

MiMo v2.6：九月的开源之星

MiMo v2.6 是 9 月开源模型里最亮眼的一个。小米在“开放”这件事上又往前走了一步：

• 之前已经公开了后训练过程看板。
• 这次直接开源了一部分后训练基础组件与设施，并附带大量高质量数据。
• 同时发布的 MiMo v2.6 Flash，是目前开源模型里综合性价比最好、最均衡的一个。

这部分开源代码，也是本文后半部分的主角。

智能的价格，比电力和计算降得更快

本周另外一个我觉得很好的，是 Epoch AI 发布的一张图，我觉得非常妙，就是下图：智能的成本，正以比计算和电力更快的速度下降。

我对这张图的评价只有三个字：太对了。

按 Epoch 的估计，同等能力的 AI 价格每季度下降约 47%，折合每年约 12.7 倍。把三条曲线换算成年均速度，差距更直观，见图下方的表格（后两列为我读图估算，仅供参考）。

为什么 AI 降得更快是合理的

这与我之前文章里的观点完全一致。电力和计算都是深刻重构了整个社会的生产要素。而且它们是一层叠一层的：

• 计算建立在电力之上。计算的发展，发生在一个已经电气化的时代。
• AI 建立在计算之上。AI 的发展，发生在一个已经算力化的时代。

每一层新的生产要素，都站在上一层已经便宜到近乎免费的基础上起步。所以它的成本下降曲线会更陡。从这个角度看，AI 比计算降得更快，是完全合理的。

这也是第四次工业革命的一个旁证

我一直认为，我们正处在第四次工业革命，也就是智能工业革命之中。第二次是电气工业革命，第三次是计算工业革命。回看电力和计算的发展史，就能对照出我们现在所处的阶段：一种新的生产要素，价格正在快速走向“足够便宜”，经历加法器、乘法器、指数器三个发展阶段，重构所有前沿个体，重构所有前沿行业，然后重构整个社会。

总体来说，这又是一个让人狂喜的一周。上周这个时候和这周这个时候，世界好像已经完全不同了。至少对我来说，过去的记忆都已经模糊了。

为什么智能时代需要新的知识协作体系

本周最想谈的，是 Opus 5.5 和 Anthropic 的 Claude Artifacts（可视化交互系统）放在一起之后，知识协作方式发生的变化。我的核心判断是：智能变便宜之后，瓶颈从“生产知识”转移到了“流通知识”。而今天的互联网基础设施，是为人类阅读设计的，不是为人和 Agent 一起协作设计的。

以开源项目为例。今天我们理解一个开源项目，靠的是一套为人设计的工具链：代码仓库、README、Issue、Pull Request、技术报告。这套体系有三个问题：

• 知识是散的。 设计动机在论文里，实现细节在代码里，取舍理由在某个 commit 或 issue 里。读者要自己拼起来。
• 知识是静态的。 文档写完就开始过时。它不会回答追问，也不会根据读者的背景调整深度。
• 知识是单向的。 读者读懂之后的思考、改进和迁移，很难回流到任何地方。

Git 诞生于人类协作的节奏。现在人和 Agent 一起工作的节奏，已经远远超过了它的设计假设。（下面这个表格是我让 Agent 帮忙做的）

例子：在 Agent 的帮助下，搞懂 MiMo 开源的后训练代码

所以我一直在思考，如何从知识的角度出发，重构整个互联网基础设施，然后在新的基础设施之上，构建全新的 Agentic AI System。这半年我主要就在设计一个完全基于 Agentic AI 知识协作的方案：ACKs（Agentic Collaborative Knowledge system，自主协作知识系统），它想解决的正是这个问题。目前已经有了很好的演示项目，会在一个月以内把所有内容开源出来展示。（不过我也知道机会只有一次，还是需要准备得相对完善一些）

不过，我觉得目前 Claude 在这方面做得是非常领先的，我觉得对于知识协作这个方面，Anthropic 整个公司还是足够重视。我立刻就可以开始演示，就用 Xiaomi 刚刚开源的代码作为例子。我做了一个很短的例子，然后让 Agent 帮忙处理了一下。

小米这次开源的后训练代码在 XiaomiMiMo/verl。它是 verl 的一个 fork，配套一份很长的 MiMo-V2.6 技术报告。按传统方式，读懂它需要一个周末：先读报告，再翻代码，再自己打草稿分析，跑跑实验试一下。

这次我用 Opus 5.5 加 Artifacts，在一个晚上大约 35 分钟里走完了这个过程：

1. 问差异。 我只问了一句：小米的 fork 和原版 verl 有什么异同？Opus 把两个仓库都克隆下来，逐行对比 diff，几分钟后给出结论。
2. 要一张图。 我请它画结构图。它回到代码里追踪训练循环的调用顺序，画出一张从采样到更新的流水线图。灰色是上游，青色是小米新增。
3. 对照原文重画。 我把技术报告的链接给它。它下载 PDF，读了第 4 到第 6 节和两张架构图，再回到代码里逐项核对哪些实现了、哪些没有。最后画出下一节的四阶段图。
4. 点一下就下钻。 图里每个方块都可以点击。我点了「Harness Pool」，它自动生成追问，继续读子模块代码，给出 multi-harness 的完整代码路径。
5. 继续下钻。 我又点了「五类 verifier」，它接着对照报告和代码展开。

第一层：先拿到结论

第一轮回答的第一句话就是结论：这不是重写，而是“上游 verl 加一个 3 万行的提交”。

• fork 固定在上游 verl 的 2781c1e4（v0.9.0.dev，2026-08-05）。
• 小米只加了一个提交 e2b9fc03（2026-09-21），改了 191 个文件，新增约 30,672 行，删除 88 行。
• 训练引擎、Megatron/FSDP 后端、SGLang/vLLM rollout、Ray 调度几乎没动。对 verl/ 核心目录的改动约 3,000 行，全部用开关控制，默认关闭。

新增的主体是五个 agentic RL 环境：

第二层：一张图看懂整个训练 step

下面这张图把报告的主线拆成一个训练 step 的四个阶段，每个方块都标了报告章节或公式。颜色和虚线区分三类组件。读完它，整个项目的边界就清楚了：开源的是“信号怎么造”，没开源的是“大规模怎么跑”。

• 已开源： 环境、verifier、multi-harness、Penalty Module、长度惩罚、adv_signed、prompt-mean。这些是对效果影响最直接的算法部分。
• 未开源： 一类是千卡规模的基础设施，比如 Sample Mixer 和 MXFP4 训推对齐。另一类是需要额外训练 grader 模型的方法，比如代码任务的 GRS 和 GAR。

整张图最值得记住的一句话是：小米没动“怎么更新模型”，改的是“梯度该落在哪些 token 上”。 比如 adv_signed：成功轨迹里的工具调用错误片段，优势置 0；失败轨迹里的错误片段，惩罚乘以 2。之后按正负号分别缩放，保证整个 batch 的正、负梯度总量不变。

第三层：点一下，就能下钻到代码

这是 Artifacts 最让我惊喜的地方。图不是一张静态图片，而是一个可交互的知识入口。我点「Harness Pool」之后，得到了四种训练 harness 的对比，见下表。

它还指出了一个我自己读代码很可能会漏掉的关键约束：同一个 prompt 组必须用同一个 harness。 否则 GRPO 的组均值会把“哪个 harness 更容易”混进优势里，模型会被奖励“碰巧分到好外壳”，而不是“解得更好”。fork 在 mimoagent_runner.py 里用 step-hash 选择器实现了这一点。报告 Table 7 也给出了证据：9B 模型只在 4 个 mini-harness 上训练，在 3 个没见过的真实 harness 上全部提升。

这一整套理解，不是我读完 3 万行代码和几十页报告得来的。它是我和 Opus 一起，围绕一张可交互的图，一层层追问出来的。

从读懂，到构建属于自己的东西

读懂只是第一步。新的知识协作模式，真正的价值在于读懂之后：我可以在小米的代码上加入自己的思考，构建自己的基础设施，或者把它的知识迁移到自己的项目里。

在下面这张图里，Opus 和 Artifacts 之间是一个追问循环，我的判断从这个循环里长出来，再分向三个出口。

三个出口：基础设施、研究与知识沉淀

出口一：在开源代码上补上自己的基础设施

四阶段图里的虚线框，就是开源版的缺口。其中最明显的是 GAR：它把“通过测试”进一步拆成“方案质量”，并在组内做归因。报告里 GAR 依赖一个经过 SFT 的 agentic grader，没有开源。

但有了完整的理解，补上它并不难：用 API 模型充当 grader，按报告 Eq.3 实现优势重分配，接在 fork 已有的 Penalty Module 后面。这就是在别人的开源代码上，长出属于自己的一块基础设施。

出口二：把知识迁移到自己的研究里

读完这个项目，我发现它和我手上的两条研究线直接相关：

• Agent 一致性。 四个 mini-harness 共享同一个环境，只改交互机制，天然构成对照组。paired_validation 模式让同一道题在一组里出现多种 harness，可以直接测“不同 Agent 框架对同一任务是否功能一致”。
• 轨迹归因。 adv_signed 的片段级信用分配，以及“infra 失败和模型错误分开”的设计，本质上都是 agent 长轨迹里的归因问题。

复现需要的信息也能很清楚：

• 完整训练：需要专门筹备资源。 搞到 GPU 集群跑 RL（Megatron + SGLang），还需要 K8s 集群承载沙箱。
• 一致性研究：一般正常资源。 把 gateway 指向 API 模型，只跑 rollout 不训练，只需要花钱买 API。
• 开源贡献： 代码、训练数据（HF XiaomiMiMo/MiMo-V2.6-RL-oss）、起点模型和两个子模块都已公开，可以阅读学习。

出口三：把理解沉淀成可协作的知识

现在正在读的这篇文章，就是第三个出口的一个例子。它的草稿由 Opus 5.5 直接从我那次对话里整理出来，流程图也是从那次对话里搬过来的。我的理解没有停留在聊天记录里，而是变成了一个可以被别人阅读、评论和继续追问的知识对象。

为什么说这是更先进的知识协作模式

对比传统的“读 README、翻代码、读论文”，这次的体验有三点不同：

1. 知识围绕问题组织，而不是围绕文件。 报告的章节、代码的文件、公式的编号，被组织到同一张图的同一个方块里。
2. 理解是分层、按需展开的。 先拿结论，再看全局，最后只在关心的方块上下钻。我不需要读完 3 万行代码。
3. 知识可以回流。 读者的思考可以变成新代码、新实验和新文章，再成为下一个人的起点。

但这也暴露了今天基础设施的局限。这些知识对象仍然散落在一次次对话、一个个 Artifact 里。它们和上游代码之间没有版本关系，也没有办法被别的 Agent 可靠地引用、验证和合并。这正是我认为需要从知识出发重构基础设施的原因。

最后

智能的价格正在以历史上最快的速度下降。当一个 Opus 5.5 就能在 35 分钟里陪我读懂 3 万行代码和一份几十页的技术报告，那么，我觉得过去在软件时代与互联网时代发明的协作方法需要完全的重构，因为底层系统完全不一样了。如果有让理解可以被保存、被追问、被迁移、被合并的基础设施，那么这样的基础设施就可以构成数字化知识中心持续的进化。

电气时代重建了工厂，计算时代重建了信息的流通。智能时代要重建的，是知识的协作方式。这也是 AgenticXYZ 接下来会持续写下去的主题。

下周见啦。