试验一个5000亿参数的大模子，需要若干东谈主？
AI行业的劝诫是，至少几十东谈主，大厂动辄参预数百东谈主。
但硅谷一家叫Mirendil的初创公司，把这个数字压缩到了极致——只消一个东谈主。
就在刚刚，Mirendil在官网发了一篇著作，标题绝顶骇东谈主视听：《无需预试验团队的大鸿沟预试验》。
著作标题底下列着三个数字：
1名盘考员、三个半月、资本不到1000万好意思元。
这些钱涵盖了Agent的token浪费、数据处分和沿路盘考实验资本。只靠这些参预，他们确凿把千亿参数的模子训出来了：Mirendil-Base，一个1000亿到 5000亿参数区间的编码专用基座模子。
Mirendil在著作中称，新模子跨越99%的代码不是东谈主写的，而是Agent写的。
东谈主类盘考员只需要阐扬笃定主义、下判断，在短处节点踩刹车。写代码、跑实验、纰缪排查之类的活儿，全交给了Agent。
在Mirendil的测试中，新模子的部分方针依然贴近了Kimi K3、GLM-5.3、DeepSeek-V4等主流一线模子。
“单东谈主手搓基模”的时期，确凿要到来了……吗？
01
按照官方说法，Mirendil-Base是Mirendil系列模子的首发产物，定位是编码专用基座模子，主义用户是前沿AI实验室里面的盘考员和工程师。
为了考证一个东谈主究竟能不成把模子作念出来，Mirendil成立了好多坑诰要求。比如，不成用现成的预试验框架，也不成接管代码。
盘考员和Agent从零起步，在100多天里搭建了一切——试验基础要领、模子架构、试验算法、数据管谈，全是我方写的，仅仅在PyTorch、JAX这几个通用库上，参考了一些热点开源相貌当样板。
诚然，这里的“我方”，时时指的是Agent。
盘考员主要阐扬决定尝试什么、信任什么，并在需要时侵略。写代码、跑实验、会诊报错这些具体的动作，基本王人是Agent我方跑。
数据方面，Mirendil沿路使用公开数据，比如GitHub开源代码、公开网页、公开数据集之类。公司强调，试验过程中没买过一瞥数据，没作念过蒸馏，也没用合成数据。
此外，Mirendil但愿通过矫正经营栽植抵制。“咱们通过矫正的架构、数据混杂的高等调优，以过火他数据层面的矫正，还有kernel优化，赢得了显耀的抵制栽植。”公告称。
最终制品是Mirendil-Base，参数为1000 亿～5000 亿。
一个东谈主作念出来的千亿参数模子，到底是个什么水平？
Mirendil拿了五款模子作念对比，折柳是Kimi K3、GLM-5.3、Nemotron-550B-Base、DeepSeek-V4-Pro-Base、Inkling，均为MoE架构的大参数模子。
在新代码仓库的交叉熵测试（模子推测代码若何写的，分数越低、猜得越准）中，几款模子的比拼抵制如下：
Kimi K3排第一，得分0.193；Mirendil-Base排第二，得分0.222；后头循序是GLM-5.3、DeepSeek-V4、Nemotron。
换句话说，在部分编码维度上，一个东谈主和Agent组队试验出来的预试验模子，依然能跟头部大厂的制品模子掰手腕了。
不外，必须指出的是，时时情况下，基座模子在交叉熵测试中比后试验模子贯通更好。Mirendil-Base行为基座模子，分数反而比后试验过的Kimi-K3更高，讲明 Kimi-K3的真实在力比名义分数清爽的还要强得多，Mirendil-Base跟它的差距比看起来更大。
字据官方先容，Mirendil-Base往上还有两档：Large在5000亿到2万亿，XL获胜冲到2万亿到10万亿。
当前，Large试验了80%，XL刚开了个头，才19%，却依然快追上Large当前的分数了。
也即是说，在钞才能和Agent的加执下，一个东谈主试验万亿模子不是梦——这是好多AI大厂王人还没摸到的门槛。
02
千亿乃至万亿参数大模子的预试验，极为耗钱、费时，还必须多半堆东谈主。
几百位盘考员里面，一部分盘考模子该长什么样、若何作念scaling；一部分东谈诈欺数万亿token 的清洗和配比；还有一部分东谈主守着几千张，以至几十万张算力卡，保证试验束缚机。
AI大厂不错集中奢靡多的东谈主才，但资金和算力资本压力依然很大。
总共这个词行业一直在尝试降本，中枢念念路即是一条：让AI来试验AI。
比如，Anthropic依然沿着这条路走了很远。
它此前露馅，本年5月，其代码库里跨越80%的吞并代码是Claude写的。
谷歌也在作念访佛的事情：AI编程智能体AlphaEvolve，依然被用来优化数据中心退换、芯片经营和AI试验过程。
但“AI试验AI”这条路，当前只消大厂才能玩得转。
科学家、盘考员、小团队等，想我方试验一个模子，以前险些不可能。
Mirendil-Base却解说了，在一定要求下，一个东谈主也不错“手搓”模子。
Mirendil在官网著作中称，直到不久前，预试验一个有竞争力模子的瓶颈照旧东谈主：一支需要多年才能搭建起来的人人团队。
如今，这一场面正在改换。
畴昔只消大型盘考机构才能作念到的事，当前又名盘考员就不错完成。当Agent承担了大部分最先使命时，瓶颈滚动到了算力、数据，以及率领Agent的阿谁东谈主的判断力上。
“东谈主东谈主王人能试验模子”，蕴含着纷乱的设想空间。
以前，大多数东谈主和公司如若需要专属模子，往往租用一个通用模子、再在边际作念适配。
当前，一支芯片经营团队、一个机器东谈主实验室，或是一家病院，王人不错用我方的数据、为我方的问题试验一个模子。基座模子以及围绕它们构建的系统，将不再是只消少数大厂才能制造的东西，而会愈加普及。
另一方面，畴昔需要一个大型团队才能启动的AI相貌，当前不错从小团队，以至一个东谈主起步；而跟着算力越来越低廉、越来越苍劲，更多东谈主大要去尝试这些相貌。“一东谈主公司”或者“超等个体”，有望酿成现实。
东谈主们的使命样子也会被改换：跟着越来越多的使命被交给Agent，东谈主类的日常使命将越来越不像“亲手作念事情”，而越来越像“带领一个微型实验室”：设定盘考主义、经营值得运行的实验、判断哪些倡导值得陆续鼓励。
Mirendil描画了愈加炫目的远景：下一个模子将部分由Mirendil我方的模子来构建，而每一个在构建 AI这件事上变得更强的模子，王人会让下一个模子的构建更低廉、更快速。
“咱们以为，还莫得达到统统自主的RSI，但咱们依然比以往更接近了。”公司称。
此外，公司依然启动对Mirendil-Base进行后试验。Mirendil-Base-Large以及达到前沿水平的Mirendil-Base-XL仍在试验中。
03
Mirendil的背后，是两位Anthropic前职工：Behnam Neyshabur和Harsh Mehta。
Neyshabur是80后，伊朗出身、读大学。2011 年去了好意思国，在丰田工业大学芝加哥分校拿了博士学位。毕业后，他在谷歌DeepMind干了5年，2024年底加入Anthropic，指导了Discovery团队，特别盘考若何让AI像科学家通常参与研发。
Mehta是印度裔，印度理工学院古瓦哈提分校毕业的，在DeepMind的期间跟Neyshabur是共事。加入Anthropic之后，Mehta搭建了Anthropic里面自动化AI盘考平台的第一个版块。
2025年12月，两东谈主前后眼下野，建树了Mirendil，公司定位是让AI来匡助科学家造出他们我方的AI，而不仅仅获胜用AI援助科学。
换句话说，他们但愿让科研团队大要我方试验、迭代专属AI模子，无用再仰仗大厂的通用模子。背后的时刻阶梯，即是最近AI圈内炒得很热的RSI。
本年6月，Mirendil官宣了 2 亿好意思元种子轮融资，投后估值 10 亿好意思元。投资方包括a16z、凯鹏华盈、英伟达等。
团队当前约 20 东谈主，王人是从Anthropic、xAI、Google DeepMind、OpenAI 出来的盘考员和工程师，在旧金山市中心办公。
Mirendil-Base的亮相，璀璨着公司跨过了第一个里程碑。
但话说讲究，“单东谈主试验千亿参数模子”听起来好意思好，门槛并莫得被拉低若干。
1000万好意思元的资本，对大厂来说不算什么，刚刚拿到融资的Mirendil也还付得起。但关于绝大多数个东谈主、小团队来说，依然是天文数字。
更别说，能率领 Agent整出如斯大活儿，不是粗率拉一个工程师就能上手的。Mirendil的东谈主才质料之高、AI相貌劝诫之丰富，在总共这个词硅谷王人处于第一梯队。
“一东谈主手搓大模子”的时期确乎在勾搭，但离平素东谈主还很远。
Mirendil-Base 的发布开云体育，是这条漫长谈路的第一块路标。至于它能不成确凿把大模子的门槛打下来，还得看后续更大鸿沟模子的现实水平，以及这套步调论能不成复制到别东谈主身上。