Macaron-V1
PulseAugur coverage of Macaron-V1 — every cluster mentioning Macaron-V1 across labs, papers, and developer communities, ranked by signal.
- 2026-07-29 product_launch Mind Lab released the official version of its Macaron-V1 model, featuring flagship and lightweight options with 2 million token context windows. 来源
-
Occamy-1.0：新的 35B 协同工作智能体优先考虑成本效益
研究人员推出了 Occamy-1.0，这是一款新推出的 350 亿参数协同工作智能体模型，旨在提高复杂、多步任务的效率。通过使用执行为基础的数据对 Qwen3.6-35B-A3B 检查点进行进一步训练，Occamy-1.0 旨在平衡强大的性能和较低的成本，这对于每次任务可能调用模型数百次的智能体至关重要。该模型在各种基准测试中展示了与更大系统相比的竞争力，在保留工具使用和编码等广泛的智能体能力的同时，将其定位在成本-性能帕累托前沿。
-
Mind Lab发布Macaron-V1，采用Mixture-of-LoRA进行持续学习 · 跟踪到1个来源
中国初创公司Mind Lab发布了其Macaron-V1模型，该模型在训练后采用了Mixture-of-LoRA (MoL) 方法。此方法允许根据任务类型动态切换专门的LoRA模块，并使用用户数据进行持续更新，旨在提高模型的适应性和性能。Macaron-V1基于GLM-5.2和Qwen3.6构建，提供旗舰版和轻量版，均支持200万token的上下文窗口，并在基准测试中取得了强劲的成绩，在某些领域甚至超越了更大的基础模型。
-
Macaron-V1 模型系列发布，基于 Qwen3.6-35B-A3B
Macaron-V1 模型系列已发布，该系列基于 Qwen3.6-35B-A3B 架构构建。这一新的模型系列现已可用，Reddit 等平台上的用户正在询问早期体验和性能。
-
新方法解决持续学习中的灾难性遗忘问题 · 跟踪8个来源
研究人员正在开发新方法来解决持续学习中的灾难性遗忘问题，即模型在学习新任务时会丢失先前获得的知识。几篇论文提出了新颖的技术，包括可学习的小波激活、技能引导的自适应记忆检索和持续蒸馏学习。其他方法侧重于表示微调、激活加权自适应保留和分组 LoRA 适配器合并，以提高模型的塑性和稳定性。这些进展旨在使模型能够更有效地进行顺序学习并适应不断变化的数据流。
-
MindLab采用Macaron-V1 Mixture-of-LoRA技术增强GLM 5.2
MindLab推出了Macaron-V1，一种用于增强GLM 5.2模型的微调技术。该方法采用Mixture-of-LoRA方法，整合了专门的适配器模块以提高性能和上下文长度。训练效率显著，一个万亿参数模型仅需64个GPU。