Macaron-V1 - MindLabによる事後学習済み多機能モデルシステム

Macaron-V1とは何ですか？

Macaron V1は、MindLabが開発した、事後学習済みのマルチ機能モデルシステムです。GLM 5.2プラットフォームをベースとし、LoRAを使用してコアパラメータの約0.5%を微調整するために強化学習を採用しています。このシステムは、独自のMixture-of-LoRA（MoL）アーキテクチャを特徴としており、チャット、エージェント、コーディング、UIという4つの独立したエキスパートを搭載し、ルーターによってオンデマンドで起動されるため、機能間の干渉を完全に排除できます。Macaron V1は、フラッグシップ版のVentiバージョンと軽量版のTallバージョンを提供しており、対話、エージェント、プログラミング、インタラクティブなUI生成に対応し、テスト済みの生成速度は毎秒320文字です。

Macaron-V1の主な特徴

• MoLのトレーニング後アーキテクチャベースは固定されており、コアパラメータの0.5%のみが学習され、4つの独立したLoRAエキスパートが互いに干渉しないように個別に最適化されています。新しい機能を追加するには、LoRAをもう1つ追加するだけで済みます。
• デュアルモデルバリエーションフラッグシップ版Venti（748バイト、GLM 5.2ベース、ネイティブ1Mコンテキストを2Mに拡張）；軽量版Tall（35バイト、Qwen 3.6ベース、ローカル展開向けに最適化）。
• 3つの主要なサポートシステムUI4Aは汎用生成UIアーキテクチャであり、インタラクティブなビューをレンダリングし、REPLは永続的なPython環境を継承し、モデルは自己記述ツールとしてグローバルツールにアップグレードされ、MinTは自社開発のトレーニングプラットフォームであり、アダプタのみを渡すことで、数百万のディレクトリと数兆のパラメータをサポートします。
• 独自に構築した評価基準Macaron ChatBenchは、長期的文脈における誠実な整合性と、継続的な理解とタスクの再計画を検証するためのLivingBench動的サンドボックス環境をサポートしています。
• 極めて速い世代速度APIテストの結果、処理速度は毎秒320語で、10,975語の記事を34.3秒で完成させることができた。

マカロンV1の技術原理

• MoL（Mixture-of-LoRA）アーキテクチャGLM 5.2ベースの重みはすべて固定され、コアパラメータの約0.5%のみが抽出され、チャット、エージェント、コーディング、UI機能に特化した4つの独立したLoRAエキスパートモジュールが構築されます。各エキスパートは独立した適応空間で個別に最適化されるため、複数の機能の共同トレーニングでよく発生する「瓢箪状」の相互干渉問題が完全に解消されます。ユーザー入力はルーターツールを介して対応するエキスパートに明示的にルーティングされ、オンデマンドでの起動と効率的なリソース利用を実現します。
• 長いストロー 長いコンテキスト拡張当社独自開発のLongStrawテクノロジーに基づき、GLM 5.2のネイティブな1Mコンテキストウィンドウを2Mに拡張しました。その核心となるメカニズムは、共有プロンプトを永続的な状態として再利用することで、長いシーケンスにおける繰り返し計算のオーバーヘッドを回避し、長いコンテキスト推論におけるリソース消費とレイテンシを大幅に削減することです。これにより、超長文ドキュメントや複数ターンにわたる複雑な対話を処理する際にも、モデルの効率性と安定性を維持できます。
• MinT分散型トレーニングプラットフォームMindLabが独自開発したトレーニング後処理インフラストラクチャは、従来の分散トレーニングにおけるボトルネックを解消します。従来の分散トレーニングでは、アクターとラーナーが完全な重みを渡す必要がありましたが、MindLabでは軽量なアダプタのみを渡すことになっています。この設計はMoLアーキテクチャと自然に互換性があり、数百万個のアダプタカタログの管理をサポートし、数兆個のパラメータを持つモデルの強化学習トレーニングをエンドツーエンドでカバーできるため、通信帯域幅とストレージ負荷を大幅に軽減できます。
• 現実世界に基づいた報酬関数手動アノテーションや静的ベンチマークに依存するトレーニングパラダイムとは異なり、Macaronは実際の製品環境からの報酬シグナルを重視します。チームは、Macaron ChatBenchとLivingBenchという2つの動的な評価ベンチマークを構築しました。前者は、長時間のコンテキストにおける誠実な対応とタスク完了能力を検証し、後者は、動的なノイズ、動的な環境、動的なユーザーを含むサンドボックス内で、モデルの継続的な理解、情報検証、タスク再計画能力を検証し、モデルが実際のインタラクションの中で進化し続けることを保証します。

Macaron-V1の使い方

Macaron V1は現在ベータテスト中で、そのAPIはMacaronゲートウェイ（https://mintcn.macaron.xin）からアクセスできます。

Macaron-V1の主な利点

• 各機能は独立しており、互いに干渉しない。MoLアーキテクチャでは、各エキスパートが独立して最適化できるため、複数の機能をまとめて学習させた場合に発生するパフォーマンスの変動を完全に回避できます。
• 極めて低コストな拡張新機能を追加するには、新しいLoRaモジュールを取り付けるだけで済み、モデル全体を再学習させる必要がないため、柔軟な組み合わせが可能になります。
• 長文コンテキストのサポートLongStraw技術は、コンテキストを2Mまで拡張し、状態の再利用によって長いシーケンスのオーバーヘッドを削減します。
• 現実世界の進化: 弊社では独自の動的評価ベンチマークを構築しており、モデルは実際のノイズや動的なユーザーをシミュレートする環境で継続的に反復処理されます。
• 最先端技術のスピード実際のテスト結果：毎秒320文字。市場に出回っている主流モデルをはるかに凌駕し、最初のトークン応答後も継続的かつ安定した出力が得られた。

マカロンV1と類似製品との比較

Macaron-V1の応用事例