罗福莉首次深度访谈：AI范式已然巨变——OpenClaw、Agent框架与Post-train的新账本

来源 B站 BV1iVoVBgERD张小珺商业访谈录 EP.138嘉宾罗福莉录制 2026-03时长 03:34:39逐字稿 5.2 万字

一句话概括这期访谈：2026 年大模型战争掀开第二幕——从 Pre-train 主导的 Chat 时代，切到 Post-train 主导的 Agent 时代。而在这一幕里，胜负手不再是「谁预训练出更强的基座」，而是一道三重乘法：框架编排能力 × 后训练敏捷度 × 组织是否允许你中途停下一次「大几千卡一天一两百万」的训练去排查一个 loss spike。罗福莉用一个开源 Agent 框架、一张被重写的算力配比表，和一个没有职级、没有小组、没有 deadline 的百人团队，把这道乘法题讲透了。

PART 01一个坐标：用 OpenClaw 之前的人，与用 OpenClaw 之后的人

这场三小时半的技术访谈里，罗福莉自己划下的那条分界线并不落在任何 benchmark 上，而是落在一次「春节凌晨两点装软件」的个人经历上。

「一个非常大的分界点在于使用 OpenClaw 前后——我自己会把 OpenClaw 当做一个『划时代的 Agent（智能体）框架』去这么定义。」

—— 罗福莉

值得记录的是这条线是怎么被跨过去的，因为它构成了后面所有判断的经验基础：

第一天：它有「灵魂」，而灵魂是可被拆解的工程细节

凌晨 2 点装上，聊到早上 6 点天亮。第一感受不是能力提升，而是它会在深夜主动提醒你早点休息。但她随即给它去魅——这个「情商」背后有一整套机制：一套持续更新的 search.md 搜索上下文、每轮对话前自动拼到 Context 前面的当前时间、对记忆做分层分级的持久化。「它就是在这些大家没有关注的角度，把这个 context 编排得非常好。」

第二天：它开始替代我的一部分工作

她把一个原以为框架做不了的话题丢进去——「怎么激发一个团队的好奇心，怎么筛选出有好奇心的人」。一个小时后，它输出了从人员筛选、组织架构到范式转变应对举措的体系化方法论，并沉淀成一套 Skills。「它现在至少在这个事情上，变成了我的数字分身。」

第三天：它开始促进我的研究

Agent 框架里一个关键研究课题是模拟 User Agent 进行多轮交互。她原本认为「应该不会一两个小时就做出来」，实际沟通一两个小时后，一个可用的 User Agent 已经诞生，可以直接用于生成 Post-train 的 SFT / RL 场景数据。

三天走完「有温度的产品设计 → 替代我一部分工作 → 促进我的研究」这条递进曲线之后，她给出了这次访谈里最关键的一次概念定位：

Agent 框架不是产品，而是人机之间那层「厚重的中间层」；它的核心卖点不是释放最强模型的能力，而是弥补次强模型的行动缺陷。

图 1：好的框架在弥补四类「行动缺陷」，而不只是在调模型

这条定位直接反驳了一种流传很广的说法——「OpenClaw 只是释放 Claude Opus 4.6 能力的一个壳」。她的回应是分层的：上限确实由最强模型带来（高强度那一周第一天就烧掉近 1000 美金），但框架一旦被最强模型「改好」，往下切换依然好用。

—可操纵性本身就是创造力来源。Claude Code 的 Agent 架构是黑盒，改不了记忆系统、也改不了 workflow；OpenClaw 开源之后，她让 Opus 4.6 帮她重新设计整套 Memory 系统与 Multi-Agent 逻辑，改好之后再切到 Sonnet、国内模型、甚至自家的 MiMo-V2-Pro，「就觉得非常强大」。

—最硬的一条证据：小模型被托举。把没做过针对性训练的 MiMo-V2-Flash，以及当时正在训的一个很小的 3B 端侧模型接进 OpenClaw，发现它依然能做「我以为一个小模型做不出来的事」。

—100 人同群改一个 Agent，它没被改坏。她在飞书大群里部署 OpenClaw，近 100 个人疯狂改、疯狂聊——「100 多个人都有不同背景，都没有把这一套 Agent 框架改坏，它还变得非常智能」。

—版本迭代速度差。2.x 版本她觉得不好用、要花好几天去改；到 3 月中旬的 3.x 版本，「接一个还不错的模型都会觉得它很强大」，而不只是接 Claude 才强大。

「一个非常好的框架，应该尽量去弥补行动上的缺陷。」

—— 罗福莉，被问及如何理解「智能体的框架」

她给产品与框架划了一条边界：产品是「你直接交互能感受的那一层」，而 Agent 框架同时定义了交互层和「怎么跟模型沟通」那一层——它知道模型的长板短板、知道怎么做调度、知道什么时候该调强模型、什么时候可以用小模型凑合。所以「这个中间层可以做得非常厚重，反而前端 UI 展示是最薄的一层，已经不是很关键」。

⚠️ 这一段必须打折看的三件事

时间锚点已失效。访谈录制于 2026 年 3 月，此后 OpenClaw 团队被 OpenAI 收购，Anthropic 也一度宣布停止支持 OpenClaw 调用。请把上述判断锚定在 2026 年 Q1 的窗口里读。
经验来源高度个人化。「近 100 人同群改一个 Agent 没改坏」是单一组织的观察（且她承认并没有真正去考核那句「100 轮对话」），不构成普适结论。
「85% 任务达到 Sonnet 水平」是体感数字。她自己也说，在范式剧变的窗口期可以「短暂忽略 Benchmark，靠体感测出质的差异」——这是有条件的特权，不是可复用的评估方法。

PART 02一本被重写的账：卡的比例从 3:5:1 到 3:1:1

如果说第一部分给出的结论是「范式变了」，那么第二部分拿出的是这次范式转移中最贵、也最容易被同行抄走的一张表——算力怎么分。

研究 : 预训练 : 后训练，从 Chat 时代的 3 : 5 : 1，转向 Agent 时代合理的 3 : 1 : 1；顶尖团队的预训练与后训练，应该都已经做到 1:1。

图 2：罗福莉给出的算力重配比（访谈中的经验比值，非全行业统计口径）

这张表背后有四条彼此咬合的理由，它们共同解释了为什么 Post-train 的钱突然变得和 Pre-train 一样多：

驱动因素	她的论证	直接后果
Agent 是长程、多轮任务	必须先还原真实的长程任务环境，才能设准 reward；「有这个环境，才能更好去进行更长程的交互」	Post-train 从「补一轮」变成「持续做半年到一年」
Context 本身产生智能	「Context 越长也是产生智能的一种方式，模型能被输入更多 Context 的时候，潜力就越高」	为了激活 1M / 10M 上下文，算力按倍数追加
Idea 的产生速度被 Agent 压缩	过去一个 idea 从想到写代码到设计评估要一两周；现在一两个小时，还能十个 idea 并行交给不同 subagent	瓶颈从「能不能想到」变成「有没有卡同时跑完」
系统核心从 Rollout 引擎换成 Agent	系统从「以 Rollout 推理引擎为核心」，变成「以 Agent 为核心」的更复杂系统，还要管 GPU / CPU / 存储的异构调度	RL Infra 要重写、要容错，研究与 Infra 的耦合度陡升

她对自己的实践给了一句不那么中听的补充：「不是说拥有几千张卡就足以做这个事情。」尤其在 Agent 范式下，卡的数量反而变成一个更重要的瓶颈——因为 idea 诞生和动手写出来太快了，为了验证 idea 要并行起很多实验，卡就变成了最关键的制约项。

「训练 MiMo-V2-Pro 和 Flash，各自可能几千卡就够了。但前期结构研究、中后期的很多算法研究，投入会是这个的很多倍，3 到 5 倍是更好的区间。」

—— 罗福莉

这也顺带解释了她在 PART 04 里为什么敢于放弃当时最主流的架构路线：当 Post-train 的周期被拉长到半年甚至一年，「为一两年后的推理场景定制一个极致最优结构」这件事的前提就失效了。你半年前假定的推理卡型号、上下文长度、便宜与否的判断，半年后全都作废。

PART 03入场券与它的反面：1T 之后，scaling 什么？在什么芯片上 scaling？

这期访谈被引用最多的数字，是「1T 参数是入场券」。但把它单独拎出来会失真——罗福莉紧接着说的那句才是真正值钱的话：

「我们肯定不会在 1T 的水平上走太久。如果要拿到下一个阶段的领先，就要寻求更大规模的 scaling。到底是去 scaling 模型的参数量，还是去 scaling 什么东西？以及要在什么样的芯片上去 scaling？——这是当下立即需要去决策和判断的事情，这个才决定了半年或大半年过后，谁是更领先。」

—— 罗福莉

图 3：入场券之后，真正的分岔是「scaling 的对象」而不是「继续堆参数」

她对这条结论的自证并不依赖 benchmark，而依赖三段可直接检验的实践：

—她训过 600–700B 量级的 DeepSeek V3，所以「不会再想训一个同样的模型」——规模再往上推一档是明确的技术动机，而不是跟风。

—1T 是资源边界而非理想值：「1T 是当时已有卡数量情况下，一个比较极限的区间」，训练是几千卡规模。

—她明确给结论打了折：「我不知道 Opus 多大，我只是自己认为至少总参 1T 以上」——这是一条经验阈值，不是测量出来的硬性门槛。

被低估的 trade-off：激活参数

总参都是 1T，激活参数越大意味着越高的推理成本。MiMo-V2-Pro 的解法是 1T 总参 + 约 42B 激活，用混合注意力把 Full 与 Sliding Window 的稀疏比做到极致。

被低估的成本：Context 长度本身就是算力

在 256K 上做 Post-train 与在 1M 上做，算力差好几倍。所以「10 兆 Context 什么时候做、怎么 scaling」不是产品问题，是一笔要在预训练阶段就下注的账。

她把这条链条一路推到了芯片：Agent 框架越强、模型能力越飞升、成本有极致优势时，推理需求会爆发，几倍到十倍的空间可能立即发生；而产能瓶颈大多卡在存储上。于是十年尺度上的竞争，最终落回了「怎么在现有产能下做更好、更低成本的推理」这个非常不性感的命题上。

PART 04架构：为什么放弃「极致最优」，改要「后手空间」

如果只能选一个技术决策来代表这次范式转移，罗福莉给的答案不是模型规模，而是注意力机制的选择——MiMo-V2 坚持 Hybrid Attention + MTP，而不是当时几乎所有旗舰模型都在用的 MLA。

MLA 太完美了：它已经顶到计算 bound 与访存 bound 的临界点。一个完美到临界点的结构，是没有后手的。

图 4：不是谁更聪明，而是谁在场景变化后还有路可走

维度	MLA（主流）	Hybrid Attention + MTP（MiMo-V2）
结构目标	把 KV Cache 压到极致，在 H 系列卡上做到计算与访存的完美平衡	不追求单点最优，先省一大块，再把省下的富余二次利用起来
长上下文	缓存省得多，但 FLOPs 不省，长文推理效率会崩	Sliding Window 层直接省 Computation，长文成本更低
能否叠加 MTP	难：会被计算 bound 卡住，得不偿失	可以：富余算力正好承接多词元预测
扩容时的表现	Full Attention 层数随参数增加，长文效率同步崩溃	Full : Sliding 从 5:1 拉到 7:1，扩容时 Full 层数不变，长文效率「保持住」
适用时代	Chat 时代：短上下文、单卡推理、Post-train 周期短	Agent 时代：长上下文、推理卡多样、Post-train 周期长

PART 05自进化：真正压缩 AGI 时间表的，不是任何一个模型

被问到「如果用一个词概括接下来一年 AGI 进程中最关键的事」，她选的是自进化。而这个判断的经验来源，是一次让她本人不太舒服的发现：

「我之前认为我们自己做的工作，已经足够有创造力、足够不会被 Skill 化、不会被 Workflow 化。但我现在发现，它竟然也能！那它可不可以训出更强的模型？自己左脚踩右脚就提升了？——这是这一两年会发生的事情。」

—— 罗福莉

图 5：这是一条主观进度估计，不是可验证的路线图

她给这条推测搭了三段支撑，同时也坦白标明还有三层自进化「我还没有看到」——这份克制是这一节最值得读的部分：

已发生：研究与工程的效率坍缩

一个 idea 从想到、写代码、到设计评估标准，过去至少一两周；现在一两个小时。更本质的是可以从串行 pipeline 变成十个 idea 并行交给不同 subagent，还能交叉验证。

已发生：研究者的工作开始可迁移

只要把近期 Context 告诉它，它能复原一个研究者的成长路径——这意味着「人独有的那部分工作」正在被建模，而不是被替代。

未发生：框架自身的进化

现在做到的是「怎么 train 更好的 model for Agent」，还没做到让框架自动迭代自己的编排逻辑。

未发生：Agent 与人的互相进化

「Agent 也要自迭代，人也要自迭代」，但两者之间除了聊天还没有更自然的配合方式。

她还顺手拆掉了两个流行叙事：一是「Paper 会越来越值钱」的反面——在拥有大规模算力的团队里，「相信自己亲手做出的实验结果，比相信论文里的数据更有意义」；二是「端侧小模型会在 2026 年爆发」——她认为这是趋势但不是主旋律，「26 年大家还是铺开别的东西，并没有把太多注意力放在它上面」。

PART 06组织：为什么一定要没有职级、没有小组、没有 deadline

这场访谈最反常识的部分不在技术，而在组织。一个正在训 1T 模型的团队，是「没有组、没有职级、也没有 deadline」的。

「任何层级，一定程度上都是在规范和约束，而规范和约束本身是压制创造力的。」

—— 罗福莉

反常识的组织设定	她的理由	支撑这件事的现实条件
没有小组划分	很多人的兴趣是流动的，「组划分非常清晰和固定，是在扼杀一部分创造力」；按场景切分会让人看不到全貌	100 人里真正投入一代模型迭代的只有二三十人；训一个 1T 模型，「说出来骗大家似的，技术上只需要几个人」
没有职级	有层级就默认「这个层级上的人应该有超越所有人的智能，这个界定非常奇怪」	雷军给了前提：「雷总同意就行了」，不设定外部考核指标
没有 deadline	发布由「模型训好了」触发，而非日历	正因为没有 deadline，才敢为了一个 loss spike 停下大几千卡——「停一天就是一两百万、两三百万」，照样停
预训练的人转做后训练	后训练现在最缺的是 diversity；而「多样性」恰恰是预训练团队的第一本能	迁移不是行政指派，是基于个人兴趣自然发生的

这套组织逻辑里最有意思的一条推论，是她关于招聘的判断：

「环境比经验更重要。」这些能力「最多一两个月，慢的话三四个月」都能被快速习得——所以选人只看三件事：基础好不好、好奇心强不强、是不是热爱驱动。

—· 现在招人开始向大二大三的本科生倾斜——「灵活性更好，可能很多都没有 base-model 的 pretrain 经验，但敢于把自己那些想法交给这套架构去验证，思想还没有被禁锢」。

—· 团队内部推行互相「蒸馏」的做法：我蒸馏你的长处、你蒸馏我的长处，在好环境里快速互补成长。

—· 关于钱的态度很直接：「钱要给够，但是除了钱之外的其它东西也非常关键」——价值感与意义感被她列为主要激励。

—· 她也承认这套组织并未解决：如何让人围绕共同信仰协同前进，「这个难度不亚于设计一个复杂而优秀的 Agent 系统，我自己也还在摸索」。

PART 07哪些判断必须打折看：一份诚实的边界清单

这期访谈信息密度极高，但其中有若干条结论的成立是有前提的。整理时我认为以下五条需要先打上折扣再看：

⚠️ 五条有条件的结论

「评估可以短暂忽略」是有窗口期的特权。她说范式剧变时可以靠体感判断质的差异，但也同时承认「如果想 Assess 再细的点，是需要精细评估的方式的」。这条对已经有强算力团队成立，对小团队可能是陷阱。
「Cheap 的两千多万美金」不能直接对标。这是 MiMo-V2 在已有 Flash 基座上的追加训练成本，不是从零训同等模型的成本；同一段话里她自己也做了这个区分，转述时经常被砍掉。
「85% 任务接近 Sonnet」是体感数字。没有对应的公开评测口径，属于经验判断。
「两年内 AGI」建立在未发生的闭环上。她自己明确说框架自进化、Agent 自进化、人机互进化三层「我还没有看到」。
多模态「有没有促进智能不关键」是一次挑衅式表述。她真正的论证是 Benchmark 无法证明——「是不是有可能 Benchmark 测错了？当然有可能」——而不是否定多模态本身。

PART 08如果只带一条东西走

把这场 3.5 小时的对话压成一句可执行的判断，我会这样写：

1先去用。不要从二手解读开始理解 Agent 框架。她在群里说的那句极端的话（「100 轮对话」）她从未真的考核过——她在乎的从来不是考核，而是让团队先跨过那条体验门槛。

2重算你的算力账。如果 Post-train 在你的预算里还是零头，你的组织架构大概率也还停留在 Chat 时代。

3把「 Context 质量」当成一等公民。「大模型是你给它越好的 Context，它做越好」——无论是写 Prompt、设计 Skills，还是搭 Agent 框架，都是在做同一件事。

4允许停下来。能做的最稀缺的事，是在大几千卡跑着的时候，为了一个说不清原因的问题停下来——这件事的前提不是勇气，是「没有 deadline」。

5招没有被污染的人。环境比经验更重要，尤其当经验本身正在快速贬值时。

SUMMARY一张表带走：六个核心判断及其依据

#	核心判断	她引述的依据	可信度
01	Agent 框架是人与模型之间「厚重的中间层」，价值是弥补行动缺陷	春节三天体验三级跳；改得动的源码；3B 小模型被托举；100 人同群没改坏	高（可复现）
02	卡的配比从 3:5:1 转向 3:1:1，顶尖团队 Pre:Post 已 1:1	Agent 拉长 Post-train 周期；Context 产生智能；idea 速度压缩；系统以 Agent 为核心	高（有具体实践）
03	1T 是入场券，但不是终点	训过 600–700B 的 V3；1T 是当时卡资源的极限区间；她自承 Opus 参数未知	中高（阈值为经验值）
04	放弃 MLA 的极致最优，换取 Hybrid Attention + MTP 的后手空间	MLA 已顶到 bound 临界点；Sliding Window 省下的算力正好承接 MTP；实测 TPS	高（有实测数据）
05	自进化是压缩 AGI 时间表的关键变量	研究员自身工作被发现可 Skill 化；研究周期从周压到小时；左脚踩右脚	中（含推测成分）
06	平权组织是技术敏捷性的前置条件	规范约束压制创造力；没有 deadline 才敢停几千卡查 bug；环境比经验重要	中（单一样本）

Key Points 总结

范式已换：从 Pre-train 主导的 Chat 时代，进入 Post-train 主导的 Agent 时代；分界线被她定义在「用 OpenClaw 前后」。
框架 > 单模型：好的 Agent 框架在弥补记忆、通道、主动性、自进化四类缺陷；UI 反而变成最薄的一层。
钱要重新分：研究 : 预训练 : 后训练 = 3 : 1 : 1，研究用卡应是正式训练卡的 3–5 倍。
入场券是 1T，但问题是 scaling 什么、在什么芯片上 scaling——这才是半年后拉开的差距。
结构要留后手：MLA 完美到临界点即无后手；Hybrid Attention + MTP 换来可二次利用的算力富余。
组织是隐藏变量：没有职级、没有小组、没有 deadline，才换来「为查一个 bug 停下大几千卡」的自由。
最该打折看的三条：体感的 85%、两千多万美金的口径、两年内 AGI 的时间表。

参考资料： ① B站视频《对罗福莉的 3.5 小时访谈：AI 范式已然巨变！》BV1iVoVBgERD，张小珺商业访谈录 EP.138，2026-04-24 发布；
② 访谈官方文字版《独家对话罗福莉：AI 范式已然巨变！》，公众号「语言即世界」（经鞭牛士全文转载核对）；
③ 视频简介 OUTLINE 章节时间轴（00:01:31–03:19:00），用于本文开头的时间轴对照；
④ B 站开放接口 x/web-interface/view 提供的时长、封面与发布信息。