7月，AI行业三件大事几乎同时发生：图灵奖得主、强化学习之父Richard Sutton下场创业做持续学习Agent；Mira Murati创办的Thinking Machines Lab（TML）发布975B参数开放权重模型Inkling，定位就是"适合微调定制的基座"；国内Mind Lab推出Macaron V1，基于GLM-5.2构建，原生支持持续学习。
三件事指向同一个方向：持续学习（Continuous Learning）正在从学术概念变成可落地的产业赛道。而让这一切成为可能的，是一个被低估的技术底座——LoRA。
一、为什么持续学习是必须解决的问题
过去两年，LLM的能力提升有两条清晰的路径：
路径一：部署前优化。预训练、SFT、RLHF、RLVR……所有训练都在模型上线前完成。模型一旦部署，参数就冻结了。
路径二：运行时补充。通过prompt、memory、RAG、skill库、Agent harness等外部机制，在模型参数不变的前提下补充上下文和能力。
今天几乎所有的Agent产品都走的是路径二。Mind Lab在官方博客中给了一个精准的概括——这本质上是"提示词空间的迭代"：经验保存在模型之外，每次使用时必须被重新读取、重新理解。
这条路有一个结构性天花板：
- 经验越积越多，上下文越来越长，记忆可能相互冲突；
- 规则和检查不断叠加，执行成本持续上升；
- 最关键的是，把信息放进context，不等于模型掌握了其中的规律。
当模型缺某项能力时，再多的prompt也补不上。
持续学习走的是另一条路——"参数空间的迭代"：把经验直接写进模型的可训练参数。一个Coding Agent反复接触的代码规范，一个个人助理逐渐确认的用户偏好，都可以通过训练沉淀成稳定的行为，而非每次从上下文重新读一遍。
这是两条互补的路径，不是替代关系。事实可以继续放在context/RAG里，验证过的操作流程可以存成skill。但那些反复出现、相对稳定的行为变化，应该写进参数。
二、LoRA：持续学习在工程上能成立的前提
参数空间的迭代本身不新鲜——SFT和RLHF就是。但过去后训练的问题是：数据、奖励、流程，全得靠人。持续学习要做的是让训练这件事在部署之后自己转起来：模型行动→获得经验→找到信号→写回参数。
要让这个循环跑通，工程上必须满足三个条件：
- 训练成本足够低——不能每次学习都做全参数微调；
- 学习单元可插拔——新能力不能动摇已有知识；
- 可以随时回滚——学坏了能退回去。
LoRA恰好同时满足这三点。
关键转折发生在2025年10月。TML首席科学家、OpenAI联合创始人、PPO算法发明者John Schulman发表了《LoRA Without Regret》，给出了一个关键结论：在大多数后训练场景下，LoRA的样本效率和最终性能与全参数微调完全一致。他把这种情况称为"低遗憾区间"（low-regret regime），发现它覆盖了绝大多数实际的后训练任务。在强化学习场景中，即使是rank-1的LoRA（最小配置）也能匹配全参数微调的效果。
这篇论文扭转了行业对LoRA的认知：效果几乎无损，还能独立训练、独立部署、随时回滚。
Mind Lab随后在更大规模上验证了这个结论。他们在Kimi K2（总参数1.04万亿，激活326亿）上跑通了LoRA强化学习，算力压到全参数微调的约10%，训练曲线保持稳定。压缩极限也比预期更低：轻量适配模块可以压到rank-1，每层只保留一个可调方向，仍然稳定可靠。
三、产业链正在成形：基础模型 + 大量LoRA + 持续学习切换
当LoRA在效果上无损、在成本上可接受、在工程上可回滚，持续学习的产业基础就具备了。三个信号同时出现：
信号一：头部玩家押注
TML的Inkling（975B参数MoE，激活41B，原生支持文本/图像/音频，100万token上下文），发布当天就能在Tinker上微调。官方坦率承认它不是最强模型，定位就是"适合微调定制的基座"。
Mind Lab的Macaron V1采用Mixture-of-LoRA（MoL）架构：在冻结的GLM-5.2基座（744B参数）上搭载四个1B的LoRA专家，分别负责对话、Agent、编程和生成式UI。新能力以插件式LoRA加入，不动摇已有知识，不同来源的专家可以在同一个基座上组合和路由。
Sutton创办的Oak Lab方向是低成本、高效持续学习的万亿参数Agent模型。
信号二：基础设施层在跟进
Fireworks AI（估值175亿美元）已经能在一个基座模型上托管数百个LoRA，根据每次请求动态选择adapter。Together AI（刚完成8亿美元C轮，估值83亿美元）也将LoRA设为默认微调方式。
过去一年，三家后训练方向的创业公司被大厂收购：Predibase被Rubrik收购，OpenPipe被CoreWeave收购，Adaptive ML被Datadog收购。大厂的意图很明确——后训练是基础设施级的能力，值得买下来。
信号三：一个意外的发现——"群体智能"
Mind Lab在做控制实验时有一个意外发现：从相同的Qwen3-30B出发，保持训练目标和方法一致，只改变数据顺序和masking，训出一批不同的adapter。单个adapter在AIME24上准确率36.44%，198个不同adapter多数投票后提升到48.67%——而从同一个adapter重复采样只能到43.78%。
不同学习轨迹带来的差异，包含超出普通采样的互补性。模型数量本身成了一个新的scaling维度。
Mind Lab由此给了LoRA一个新定位："持久的本地状态"。共享的基础模型管通用能力，adapter管每个具体实例的个性化行为。
四、从"数据时代"到"经验时代"
2025年4月，Sutton和David Silver联合发表《Welcome to the Era of Experience》，判断AI的下一阶段能力，主要不会再来自继续吸收人类已有的数据，而是来自Agent自己在真实环境中行动、获取反馈、持续学习。Sutton把这称为"经验时代"，和之前靠人类数据喂出来的"数据时代"做了区分。
这个判断正在被验证：
- Mind Lab商业化从7月开始，两周内实现1000万美金ARR，交付的不是推理算力，而是"让模型在客户场景中持续成长"的能力；
- TML的Inkling发布演示中，模型自己用Tinker写微调任务、跑训练、换上新权重，全程无人插手；
- Mind Lab的目标是"让训练模型像调用模型一样简单，会用Token就能训Token"。
方向很明确，但技术今天还没收敛。从经验中找到可靠的学习信号仍是未解问题——现实反馈延迟、模糊、难以归因，模型的自我反思可能出错；持续更新还带来了稳定性问题，新经验可能覆盖旧能力。正如梁文锋所说，目前"全世界都还没有找到好的方法"。
但趋势已经清晰：基座模型管通用智能，持续学习管场景适配。基模公司不一定自己干后训练这层活，也不一定干得最好。一批专门做后训练、帮模型和Agent变强的公司正在冒出来——Mind Lab、TML、Oak Lab走的是同一条路。
五、对从业者的启示
这场范式转变带来的几个具体信号：
- LoRA从"凑合用的微调技巧"升级为"持续学习的核心基础设施"。如果你在做Agent产品，需要开始思考：哪些行为值得沉淀到参数里，而不仅仅是塞进prompt。
- 模型数量本身成为scaling维度。不同adapter的"群体智能"意味着，在基座模型上挂的adapter越多，整体智能可能持续提升——这给Agent产品带来了新的竞争维度。
- 后训练产业链正在形成。基座模型、LoRA训练平台、推理时adapter路由、持续学习监控——这些以前是内部工具的东西，正在变成独立的产品和服务。
- 成本弹性让持续学习在商业上可成立。最小的个人级LoRA"一个人一个月的数据去训，可能就是几十美金"；最大的企业级LoRA也不过几万到几十万美金。这个成本区间让中小团队也能参与。
持续学习离完全跑通还有距离，但基础设施已经摆好了。会训模型的人，正在成为Agent时代最稀缺的资源。