罗福莉谈MiMo团队Agent开发经验及管理风格

传说中的DeepSeek天才少女、雷军千万年薪挖角的罗福莉也开始发推了。

帖子里最生动的段落是关于她第一次使用复杂 Agent 脚手架的经历。她用的词是：orchestrated Context，编排过的上下文，我理解就是现在比较火的 Harness Engineering。

她说第一天就被震惊了，然后试图说服团队去用，没成功，于是下了一个硬性命令：
> MiMo 团队里，明天对话数不到 100 条的人，可以辞职了。

这个管理风格相当激进，但有效。一旦团队的想象力被 Agent 系统的能力点燃，这种想象力就直接转化成了研发速度。

一方面确实霸气，一方面也让我有点意外，原以为大模型团队应该是更积极拥抱这种从传统 Chat 模型到 Agent 模型范式变化的。

其他都是“干货”

1. 提前押注的架构优势

1T 底座模型几个月前就开始训练了，当时的目标是长上下文推理效率。采用了 Hybrid Attention 机制（混合注意力，简单说就是不让所有 token 都互相关注，而是让一部分用全局注意力、一部分用局部注意力，大幅降低计算成本），支持百万 token 上下文窗口，加上 MTP 推理层（Multi-Token Prediction，一次预测多个 token 而不是一个一个蹦，推理延迟和成本都大幅下降）。

这些架构决策在当时并不时髦，但它们恰好成了 Agent 时代的结构性优势。

2. 为什么 MiMo 团队能这么快

罗福莉在做 DeepSeek R1 的时候亲眼见证过的真实总结：

— 基座与基础设施研究周期很长。你需要在它产出回报的一年前就有战略定力。

— 后训练的敏捷性是另一种能力：靠产品直觉驱动评估，压缩迭代周期，及早捕捉范式转换。

— 还有那些不变的东西：好奇心、敏锐的技术直觉、果断的执行力、全力以赴。

以及一样很容易被低估的东西：对你正在为之构建的世界，发自内心的热爱。

3. 模型会开源的，等模型稳定到值得开源的时候。