独家对话罗福莉：AI 范式已然巨变，从 Pre-train 时代全面转向 Post-train 时代

这篇文章不是 3.5 小时访谈的逐句转录，而是一篇围绕主线判断展开的精读。重点不在把所有细节重复一遍，而在把几句分量重的核心判断拆开：为什么竞争重心从 Pre-train 挪到了 Post-train，为什么 OpenClaw 这类 Agent 框架会被反复提起，为什么卡的分配和组织方式要一起改。

罗福莉是小米大模型团队负责人，此前曾供职阿里达摩院和 DeepSeek，在 NLP 和大模型领域有多年研究经历。2026 年 4 月，她与科技主笔张小珺进行了一场 3.5 小时深度对话，话题覆盖大模型竞争格局、Agent 时代的核心技术栈、组织变革和个人认知冲击。B 站发布了完整视频，36kr 同步发布了整理稿。

文章面向关注大模型路线、Agent 基础设施与 AI 组织变革的工程师、研究者和产品负责人。全文预计阅读 30 到 40 分钟，难度在 ⭐⭐⭐⭐ 左右。读完这篇文章，你应该能回答以下问题：

• 这场访谈所说的"范式转移"，到底是从哪里转向哪里。
• 为什么 2026 年的关键竞争点从 Pre-train 明显偏向 Post-train、RL Scaling（强化学习扩展）与 Agent 系统适配。
• OpenClaw 这类 Agent 框架提供的，为什么不是一个表面壳层，而是一整套中间系统能力。
• 研究、Pre-train、Post-train 的用卡比例从 3:5:1 走向 3:1:1，到底说明什么。
• 1T 入场券、AGI 两年、群体智能这些判断里，哪些是可追溯观点，哪些仍然是前瞻推演。
• 把访谈里的判断转成团队动作，资源、评估和组织该从哪里先改。

材料边界与使用方式

本文依赖 3 类材料，各有各的能力边界：

原始访谈、媒体整理和作者延伸如果不分层处理，很容易被写成观点拼盘。下文会尽量把三层信息拆开：哪句是访谈原话，哪句是媒体归纳，哪句是基于公开背景的延伸理解。

8 个关键判断

这些判断会在后文逐一展开，这里先列出来作为阅读路标：

• 大模型竞争已经从 Chat 时代进入 Agent 时代，评分标准从"谁更聪明"变成了"谁更能完成任务"。
• “Anthropic 的路径是正确的，这是当下共识"说的不是站队，而是行业开始接受一件事：模型、框架、后训练和上下文工程要作为一个整体来理解。
• 国内团队在 Pre-train 上的代差已经非常接近，新的差距更可能出现在后训练、RL Scaling 和 Agent 框架适配上。
• Chat 时代常见的研究、Pre-train、Post-train 用卡比例可以是 3:5:1；进入 Agent 时代后，更合理的比例会走向 3:1:1，顶尖团队甚至会把 Pre-train 和 Post-train 拉近到接近 1:1。
• OpenClaw 被反复提起，不是因为它已经解决了一切，而是因为它把一个行业盲点暴露了出来：真正决定 Agent 上限的，不只模型本身，还有那层厚重的中间框架。
• 1T 参数级模型更接近 Agent 时代的一张入场券，而不是胜负手；真正难的是下一步到底该 Scaling 什么、在哪个环节 Scaling。
• 2026 年更像生产力加速重排之年，先被改写的是工作系统，生活方式未必会最先变。
• “每天在否认昨天的自己"这句话，指向的是研究范式、组织方式和个人能力结构同时被改写的现实。

竞争为什么从 Pre-train 转向 Post-train

访谈里有一句核心判断：

Anthropic 的路径是正确的，这是当下共识。

这句话的分量不在"谁支持谁”，而在它透露出的认知变化。Claude 的优势不再被简单理解成"模型更强”，而是模型、框架、后训练和上下文工程（Context Engineering）一起作用后的结果。上下文工程不同于 Prompt Engineering——后者关注如何写好提示词，前者关注的是整个上下文组装管线，包括检索到的文档、对话历史、工具输出、系统指令和长期记忆如何高效地送入模型的上下文窗口。

36kr 的整理里提到，过去有人把这些 Context 工程看成结构限制或成本妥协；现在回头看，它更像是在为 Agent 场景里的整体任务完成度服务。

访谈中还有另一句配套的话：

现在大家在 Pre-train 上的代差是基本没有的，或者说非常接近。

36kr 把这层意思进一步展开成"中美模型代差只有 2 到 3 个月"。不管你更接受哪种说法，结论都差不多：只把基座模型继续做大，已经很难单独构成决定性优势。Chat 时代主要比谁更聪明，Agent 时代开始比谁更能把任务做完，后者更依赖 Post-train、RL Scaling、框架适配、长上下文管理和错误恢复。

罗福莉对后训练重要性的表述也很直接：

现在至少跟 23 年要去追平 Pre-train 的差距一样，大家很 all in，要去做好 Agent 的 Post-train。更具体说，是在 Agent 上怎么做好 RL 的 scaling。

RL Scaling：从"回答得好"到"任务完成得好"

RL Scaling（Reinforcement Learning Scaling，强化学习扩展）在这里指的不再是传统的 RLHF 对齐。Chat 时代的 RL 主要让模型学会"回答得更好"——输出符合人类偏好、减少幻觉、保持安全。Agent 时代的 RL Scaling 要解决的问题完全不同：用更大的算力、更多样化的奖励信号和更复杂的环境来训练模型完成多步任务。

具体来说，Agent 场景下的 RL Scaling 需要让模型学会调用工具、做长程规划、从错误中恢复、在多步执行中保持一致性。Scaling 的对象变了——不再只是模型参数量，而是训练环境的复杂度和反馈信号的密度。这也是为什么后训练不再是收尾环节，而变成了决定 Agent 是否可用的主环节。

这种转变在 MiMo-V2.5 的技术报告里也有体现。其 Post-train 路径是 SFT + 大规模 Agent RL + Multi-Teacher On-Policy Distillation（MOPD，多教师在线策略蒸馏），重点放在 Agent 场景下的强化学习，而不是传统的指令微调。

后训练的变化不是"也变重要了"，而是已经从过去的收尾环节变成决定 Agent 是否可用的主环节。任务不再只是问答，而是长程、多步、可失败、可恢复的执行过程。系统也不再只有一个 Rollout 推理引擎，而是一个带工具、带记忆、带状态的 Agent 系统。团队随之面对另一类问题：不是把模型训得更强，而是把模型放进真实环境后，怎样让它持续做对。

访谈原话里有一句用来概括这种变化：

系统从"以 Rollout 推理引擎为核心"，转变为"以 Agent 为核心"的一个更复杂系统。

卡怎么分，反映的是瓶颈怎么迁移

访谈里有一组具体的数字：卡的配置变化。罗福莉提到，Chat 时代研究、Pre-train、Post-train 的用卡比例可能是 3:5:1；到了 Agent 时代，更合理的比例会变成 3:1:1，顶尖团队的 Pre-train 与 Post-train 甚至会接近 1:1。

这不等于 Pre-train 失去价值，而是边际收益和系统瓶颈换了位置。旧范式里，更强的基座模型能直接带来更强体验，所以 Pre-train 吃掉绝大多数卡是合理的。新范式里，如果模型不能稳定地跑长程任务、理解复杂上下文、在多步执行里自我修正，它的能力就很难真正转成生产力，Post-train 的地位自然会上来。

36kr 还补充了一个观察：Agent 一旦进入研究流程，一个 idea 从写代码到设计评估，可能从一两周压缩到一两个小时。速度上来了，卡不一定更宽松，反而可能更紧，因为并行验证的量会跟着上去。

组织也得跟着换

技术路线一变，组织通常也得跟着改。罗福莉的判断是，做后训练需要更多背景的人一起上手，让预训练的人参与后训练，会带来新的视角。放到 Agent 场景里，这很自然：模型行为、上下文编排、工具调用、RL 反馈、评估标准和系统基础设施，本来就缠在一起，只让某个单一小组包办，往往容易做出局部最优。

访谈后半段提到 MiMo 团队时，她给出另一层判断：环境比经验更重要。MiMo 团队约 100 人，真正投入一代模型迭代的核心不过二三十到三四十人。内部不设小组、不设职级，甚至没有明确的 deadline。她不太迷信既有"大模型经验"，更看重人在好环境里能否快速学会新范式里的工作方式——她甚至更青睐大二大三的本科生，认为他们在新范式面前"思想还没有被禁锢"。平权组织、较少职级分层、快速调试和联合排障，这些放在一起看，更像一条组织信号：范式切换期，适应速度会比静态履历更值钱。

OpenClaw 暴露了什么

如果把 OpenClaw 只当成一个具体产品，这场访谈就会被读窄。放回原语境里，它更像一个压力测试器。

OpenClaw 是一个开源的本地优先个人 AI 助手平台，以 TypeScript 为核心，采用 MIT 许可证。截至 2026 年 4 月，GitHub Stars 已超过 36 万，Fork 数超过 7.5 万。它支持 25 种以上的消息渠道——WhatsApp、Telegram、微信、飞书、Discord、Slack、iMessage、Signal 等——通过本地 Gateway 控制平面统一管理会话、渠道、工具和事件。生态方面，ClawHub 技能市场提供了 5400 多个 Skills，社区迭代速度极快。

罗福莉看重的不是最表面的交互层，而是那层厚重的中间层：记忆系统、消息通道、心跳任务、定时任务、Workflow、Multi-Agent 逻辑，以及如何把模型自己拿不到的环境信息补进去。这些组件合在一起，决定了模型能力能在多大程度上被转化为实际的任务完成度。

开源在这里就不只是"能不能白用"，而是"能不能改框架本身"。黑盒产品最多让人感受到效果，开源框架则允许用户直接改 memory、改 workflow、改 Multi-Agent 逻辑，甚至借助更强模型回头重写框架。36kr 还记录过一个观察：当 Opus 这类顶尖模型先把框架改好之后，再切回 Sonnet、国内模型，甚至 MiMo 自己的模型，体验也会被明显拉升。框架层不只是在放大顶尖模型，也可能在抬高中层模型的有效上限。

罗福莉不认同"模型变强后 Agent 框架就不重要了"的说法。原因很现实：成本。不可能所有场景都用最顶尖模型，Agent 和模型会同时进化，同一水平的模型变得越来越小。她甚至判断，现在激活 10B 的模型，过一年可能做到 Opus 级别的水平，而且成本极低。框架层的精巧编排，不会因为模型变强而消失。

视频大纲里专门留了"群体智能提升 Agent 框架"这一章。按现有材料，更稳妥的理解是：群体智能现在更像框架演化的加速器。很多人同时用、同时改，几小时就能迭代一轮，这会显著提升速度，也可能改善部分场景的成本效率。但至少从这场访谈和 36kr 的整理看，还没有足够证据证明 Multi-Agent 已经系统性抬高了任务完成率上限。

1T 之后，真正的问题是什么

访谈里还有一句：

我们不会在 1T 水平上走太久。

这句话经常被转述，也容易被转述错。结合视频简介和 36kr 的整理，更合理的理解是：1T 参数级基座模型，是 Agent 时代接近顶尖水平的一张入场券。它说的不是"1T tokens 就够了"，也不是"做到 1T 就稳了"。

后续公开资料能提供具体的侧面印证。根据 VentureBeat 2026 年 4 月的报道和 HuggingFace 模型卡，小米在 2026 年 4 月 27 日同时发布了两款模型：

MiMo-V2.5-Pro 在 ClawEval（Agent 任务基准）上以 63.8% 的成功率领先开源领域，每条轨迹仅消耗约 70K Tokens，比 Claude Opus 4.6、Gemini 3.1 Pro、GPT-5.4 少 40% 到 60%。项目负责人的署名正是 Fuli Luo（罗福莉），与访谈的主体一致。

这不能反向证明访谈原话，但至少说明，罗福莉在访谈里强调的方向——后训练重点放在 Agent RL、1T 参数级模型作为入场券——后来确实落到了产品发布里。

后面的难题更现实：到底继续 Scaling 参数量，还是 Scaling 其他维度；用什么芯片；怎样把长上下文、低成本和高速度同时保住。Agent 任务不是多塞点上下文就结束，而是要在很长的执行链条里保持一致性、理解深层要求、恢复失败状态、控制成本。如果 1M 上下文很贵、很慢、很难用，那它就只是纸面参数。

为什么工作系统会先被改写

“AGI 两年内到来"这个判断容易吸引注意，但从工程和产业角度看，更该盯住的是另一层：工作系统会先变，生活方式未必先变。36kr 的整理里提到，罗福莉认为 AGI 进程大概已经走到 20% 左右，今年至少能走到 60% 到 70%；先被改写的是工作，因为工作直接对应生产力价值，生活场景的改造还更依赖机器人、硬件和物理世界能力。

这会带来两个很具体的变化。第一，人和 Agent 的交互层级会上移。人不再主要负责指出"这行代码错了”，而是更多负责补限制条件、澄清需求、给出业务逻辑、判断优先级。第二，很多高价值信息并不在预训练数据里。企业内部流程、团队经验、业务规则、技能清单和长期上下文，往往没法靠互联网语料自动补齐，Skills、Memory、长上下文和 Agent 框架因此一起变得更重要。

每天在否认昨天的自己

访谈后半段有一句话，比 AGI 时间表更能代表 2026 年 AI 行业的真实气氛：

每天在否认昨天的自己。

罗福莉提到，她原本以为自己的工作已经足够有创造力、足够不会被 Skill 化、Workflow 化，但后来发现 AI 竟然也能逼近这类工作，甚至可能进一步参与模型训练本身。这种冲击比"某个模型跑分更高"深得多，因为它直接碰到研究者对自身不可替代性的判断。

“环境比经验更重要"和"每天在否认昨天的自己"放在同一场访谈里看，意思就很清楚了：前一句在说组织怎么应对范式切换，后一句在说个人怎么承受范式切换。2026 年 AI 行业的一种真实气氛，就是昨天有效的方法今天可能就不够了，而新的方法还在快速形成。

这场访谈的 3 个边界

这场访谈的信息密度很高，但有 3 个边界最好守住：

• “两年内应该能实现"是高强度一线研究者的判断，不是行业共识。更稳妥的读法，是把它当作对技术加速度的主观估计，而不是日历式预言。
• Multi-Agent 值得跟踪，但目前更明确的价值仍然是加快迭代、改善部分场景成本效率，而不是已经被证实可以系统性抬高任务成功率上限。
• 开源框架很重要，但它不能替代评估、资源和工程能力。OpenClaw 让很多能力变得可见、可改、可迭代，可如果没有好的评估体系、足够快的基础设施、明确的约束和足够强的基座模型，开源本身也不会自动生成结果。

常见问题

问：Post-train 和 Fine-tuning 是一回事吗？

不完全是。Fine-tuning 是 Post-train 的一个环节，但 Post-train 的范围更大，还包括 RL Scaling、对齐、蒸馏、长上下文适配和 Agent 行为训练。访谈里强调的 Post-train，更偏向"用 RL 和复杂环境训练模型完成长程任务”，而不是传统的指令微调。MiMo-V2.5 的 Post-train 路径（SFT + 大规模 Agent RL + MOPD）就是一个具体例子。

问：RL Scaling 和 RLHF 有什么区别？

RLHF（基于人类反馈的强化学习）主要关注让模型的输出符合人类偏好，属于对齐范畴。RL Scaling 在 Agent 时代的含义更广：用更大的算力在更复杂的环境里训练模型，让它学会调用工具、做长程规划、从错误中恢复。两者的目标不同——前者是"回答得好”，后者是"任务完成得好"。

问：为什么说 OpenClaw 不只是一个聊天前端？

OpenClaw 不仅仅是一个连接用户和大模型的界面。它有一整套中间层：Gateway 控制平面管理会话、渠道和工具；Memory 系统维护长期上下文；Cron 和 Webhook 处理自动化任务；Multi-Agent 路由把不同渠道的消息分发到隔离的 Agent；Skills 系统通过 ClawHub 管理能力扩展。这些组件合在一起，决定了模型能力能在多大程度上被转化为实际的任务完成度。

问：1T 指的是 1T 参数还是 1T Tokens？

在这场访谈的语境里，1T 指的是参数量（Parameters）。1T 参数级模型如 MiMo-V2.5-Pro（1.02T 参数，42B 活跃参数的 MoE 架构）代表的是模型规模的一个关键门槛。1T Tokens 则是训练数据量的概念，两者不可混淆。MiMo-V2.5 系列的训练数据规模约为 48T Tokens。

问：Pre-train 真的不重要了吗？

不是。访谈说的是"代差已经接近"，不是"Pre-train 不重要"。基座模型仍然是地基，只是在 Agent 时代，光有好的基座已经不够了。新的差距会更多出现在后训练、RL Scaling 和框架适配上。

如果把它落到团队决策

把这场访谈落到团队决策上，可以先做 4 件事：

• 不要只测聊天能力，要测长程任务完成度。单轮问答和静态 Benchmark 很难说明 Agent 在真实任务里的稳定性、错误恢复能力、上下文利用率和工具调用质量。
• 把 Harness、Memory 和评估系统当成基础设施，而不是外挂。模型不会直接裸奔进生产环境，框架怎么喂上下文、怎么存状态、怎么做约束、怎么评估失败，决定了体验上限。
• 重新看预算，不要把 Post-train 当成尾声。新的预算表不是把卡从 A 栏挪到 B 栏那么简单，而是要重新判断什么地方值得烧卡。
• 让团队更跨界，而不是更分层。Pre-train、Post-train、Infra、产品和评估在 Agent 时代越来越难被彻底切开，让不同背景的人更早进入同一个问题空间，通常更有效。

回看视频时，先看这几个节点

原视频超过 3.5 小时，不必线性看完。如果只补看一小时，先从下面这些地方跳：

• 00:01:31，OpenClaw 引发巨变：先看框架层到底改变了什么。
• 00:23:32，群体智能提升 Agent 框架：看群体协作的价值边界在哪里。
• 01:01:00，Agent 的自进化与自迭代：看 AI 为什么会让研究者产生危机感。
• 01:44:39，1T 模型是入场券：看 1T 到底意味着什么。
• 03:05:09，当下共识与竞争：看为什么说 Anthropic 路径已经成了行业共识。
• 03:19:00，环境比经验更重要：看个人能力和团队环境该怎么重估。

带着下面 5 个问题回看会更有效：

1. 为什么说 Agent 时代的竞争主线，从 Pre-train 转向了 Post-train？
2. 3:5:1 到 3:1:1 的变化，反映的到底是资源迁移，还是系统瓶颈迁移？
3. OpenClaw 这类框架放大的，是模型能力，还是模型与环境之间的连接方式？
4. 为什么 1T 只是入场券，而不是胜负手？
5. 如果工作系统先被改写，人类在 Agent 流程里最稀缺的价值会转移到哪里？

如果你还想继续往下读

• 想继续看 Agent 框架和上下文层，可以读 Context Mode：解决 AI 编程 Agent 上下文危机的 MCP 服务器。
• 想看 OpenClaw 在工程实践里如何落地，可以读 如何做一个生产级 SKILL：MiniMax-M2.7 给 OpenClaw 写 SKILL 的保姆教程。
• 想补 OpenClaw 平台本身的架构解析，可以读 OpenClaw：本地优先的个人 AI 助手平台。
• 想补另一条 Agent 框架路线，可以读 GenericAgent：仅 3K 行代码的自我进化 Agent 框架——6 倍 Token 节省、9 个原子工具、Skill 树自增长。

参考材料

• 张小珺商业访谈录：对罗福莉的 3.5 小时访谈（B 站） / YouTube / Spotify
• 36kr：罗福莉最大胆的一次判断，AGI 两年内到来，工作模式先被颠覆
• VentureBeat：Open source Xiaomi MiMo-V2.5 and V2.5-Pro are among the most efficient at agentic ‘claw’ tasks
• OpenClaw GitHub 仓库
• MiMo-V2.5 HuggingFace 模型卡

这场访谈的核心信号很明确：大模型的竞争逻辑已经换轨，下一轮胜负不只看谁的基座模型更强，而看谁能把模型、框架、后训练、评估与组织一起推进到 Agent 时代。