天才少女羅福莉：跟智能體對話不到100次的員工，可以辭職了

傳說中的DeepSeek天才少女、雷軍曾用千萬年薪挖角的羅福莉，近日在X平臺發布了她的首條推文，分享了她帶領MiMo團隊打造Agent時代全棧模型的心路歷程。

從Chat到Agent：一次"安靜的伏擊"

羅福莉將這次轉型稱為"安靜的伏擊"——并非刻意策劃，而是從Chat到Agent的范式轉變發生得太快，快到連團隊自己都幾乎不敢相信。

她透露，改變一切的是第一次體驗復雜Agent腳手架的經歷。她用的詞是"orchestrated Context"（編排過的上下文），也就是現在比較火的Harness Engineering。

"第一天就被震驚了，"她寫道。隨后她試圖說服團隊去用，但沒成功。于是她下了一個硬性命令：

MiMo團隊里，明天對話數不到100條的人，可以辭職了。

這個管理風格相當激進，但有效。一旦團隊的想象力被Agent系統的能力點燃，這種想象力就直接轉化成了研發速度。

提前押注的架構優勢

羅福莉透露，1T底座模型幾個月前就開始訓練了，當時的目標是長上下文推理效率。采用了兩大核心技術：

Hybrid Attention機制（混合注意力）：不讓所有token都互相關注，而是讓一部分用全局注意力、一部分用局部注意力，大幅降低計算成本。

MTP推理層（Multi-Token Prediction）：一次預測多個token而不是一個一個生成，推理延遲和成本都大幅下降。

這些架構決策在當時并不時髦，但它們恰好成了Agent時代的結構性優勢——支持百萬token上下文窗口。

為什么MiMo團隊能這么快

羅福莉在做DeepSeek R1的時候親眼見證過，她的總結是：

— 基座與基礎設施研究周期很長。你需要在它產出回報的一年前就有戰略定力。

— 后訓練的敏捷性是另一種能力：靠產品直覺驅動評估，壓縮迭代周期，及早捕捉范式轉換。

— 還有那些不變的東西：好奇心、敏銳的技術直覺、果斷的執行力、全力以赴。

以及一樣很容易被低估的東西：對你正在為之構建的世界，發自內心的熱愛。

開源承諾

羅福莉在推文中確認：模型會開源的，等模型穩定到值得開源的時候。

原文來源：X @_LuoFuli / 寶玉@dotey