The AI Frontier: from open weights to open research — Eiso Kant, Poolside AI

Poolside CEO 自曝：他们用 5 周从零造出一个能解数学难题的模型，秘诀不是堆算力，而是把模型工厂做成"AI 自己写代码、自己跑实验、自己看结果"的自动化流水线。

小模型的胜负，不在参数而在行为

Eiso Kant 是 Poolside AI 联合创始人。这家公司专注代码与长程任务的基础模型；在此之前，他创办过 Sourced，带着约 40 人团队投入四五年、花掉 1200 万美元，早于 ChatGPT 押注“让模型理解并生成代码”。那次创业最终失败，却让他亲历了代码模型从无人问津到成为竞赛核心的全过程。这次访谈里，他谈的并不只是 Laguna S 这款模型，而是另一套更底层的判断：模型的能力、实验室的效率、开放生态和组织管理，正在被同一个变量重写——能否持续把想法变成可信结果。

这期回答了 7 个问题：

1. 为什么一个 118B 参数、仅 8B 激活的小模型，可能比大它数倍的模型更能完成真实工作？
2. 模型能力的核心，究竟是继续堆参数，还是训练它不轻易放弃？
3. 为什么 Poolside 认为 MCP 和工具调用会逐步让位于模型直接写代码？
4. 基础模型团队如何把一次次“YOLO 式实验”变成可复现的科学发现？
5. 训练模型真正昂贵的部分，为什么不是那次看得见的预训练跑数？
6. 开放权重为什么还不够，开放研究过程又为何更关键？
7. 高能动性人才越来越重要时，组织为什么反而要给他们设边界？

被问到 Laguna S 为什么能在部分编码基准上超过大它两三倍的模型时，Kant 没有先讲架构，而是讲了自己盯模型“做题过程”的经历。Laguna S 有 1180 亿总参数，但每次只激活 80 亿参数；它能装进 DGX Spark，运行速度约为每秒 30 至 40 个 token。按体量看，它不该被视为最强一档。但它能独立解出 Erdos 397，还能在没有互联网、没有外部库的 Mac 上，持续摸索核心 WLAN API，写出 Wi‑Fi scanner。

Kant 连续 10 天每天花 8 到 10 小时阅读模型的 trajectories 和 traces，也就是模型每一步尝试、验证和修正留下的轨迹。他看到的差异不是“它突然懂了更多知识”，而是它更少在半途宣布成功：碰壁会回退，结果会验证，缺信息会继续找路。正如他说："the behaviors inside of it are what push it to be far more capable less than necessarily the number of parameters."（真正把它推向更强能力的，是模型内部的行为方式，而不必然是参数数量。）

这意味着，很多知识工作尤其是写代码，未必首先缺少一个能把跨学科线索瞬间连起来的超级大脑，反而缺少一个不把第一版答案当终稿的执行者。模型竞争会部分从“参数谁更多”转向“谁能以较低成本训练出验证、回退、持续探索的行为”。但这不是“小模型足够了”的结论。Kant 明说，大模型依然更智能，Poolside 也正在训练更大的 Laguna M；变化在于，小模型的可用上限可能远高于过去的预期。

被问到 Poolside 的模型如何适配 Hermes、OpenClaw 等外部 agent harness 时，Kant 先抛出一句很刺耳的话："I think MCP and tools are stupid."（我认为 MCP 和工具调用都很蠢。） 他的矛头并不是指向兼容性，而是指向一种默认设计：给模型塞进几十个工具定义，让它从 system prompt 里挑 API、逐项调用。

Poolside 自己的轻量 harness 只有约 6 个工具，包括 shell、shell kill、shell wait、write、fetch web 等。Kant 的理由很直接：复杂、长程的任务无论是不是写代码，最终都要接触数据源，也要操作虚拟机里的文件、程序和环境。如果数据和软件本来就在那里，为什么还要在模型与环境之间额外加一层 MCP 或一串工具协议？他观察到，Laguna S 和前沿模型越来越常见的动作不是“调用工具 A，再调用工具 B”，而是自己写一段带 if statements、for loops 和条件逻辑的小脚本，让程序去完成多步操作。

这意味着，未来 agent 的核心接口可能不是一张越来越长的 API 菜单，而是一个最小但可执行的环境：给模型目录、二进制程序、数据权限、文档和写代码的空间。模型自己组合步骤，像一个拿到开发机的工程师。边界也很明确：Poolside 现在依然支持 MCP、工具调用和并行工具调用。Kant 说的是能力演化方向，不是要求开发者今天就拆掉所有现有兼容层。

被问到 Poolside 从模型发布中学到了哪些可公开的方法论时，Kant 把基础模型研发描述成“90% 是工程”。这不是说研究不重要，而是说一个研究想法若不能稳定变成可信实验，最后就只是白板上的灵感。Poolside 从早期起就让分布式系统工程师进入研究流程，而不是等研究人员跑不动了，再临时补基础设施。

这套 model factory——可以理解为“模型工厂”——目前支撑着不足 70 名研究员和约 35 名工程师，每月运行超过 1 万次、可能达到 2 万次实验。Laguna XS2 从预训练开始到发布用了 5 周；这次模型从预训练开始到发布用了 8 周。更能说明问题的是可靠性：Kant 说 Laguna S 没有发生过 on-call 事件，也就是没有因为线上事故半夜把人从床上叫起来。"the model should be an artifact of someone's process it shouldn't be really a thing in itself."（模型应当只是某个流程的产物，而不该被当成一个独立的东西。）

这意味着，单个模型的领先很可能很短暂。真正拉开差距的，是研究员从提出假设到得到可信结果的周转速度：今天的实验结果能否进入明天的新训练，而不是等三个月后的下一个大版本。Kant 把它比作火箭工厂：造出第一枚火箭很难，但更难的是造出能持续下线火箭的工厂。当然，自动化没有消灭风险。新训练任务启动后的前 6 小时，配置写错之类的小问题仍常需要人工干预。

在解释 model factory 最早解锁了什么能力时，Kant 从一个很具体、也很容易被忽略的环节讲起。传统训练通常要先把数据打包、tokenize，再复制到训练集群，分发到每台机器，最后才开始训练。数据一变，整套搬运要再来一次。Poolside 改成把数据直接流式送进训练：训练任务需要多少 token，就持续供给多少。

它们有个名为 Blender 的服务，可通过配置决定不同数据源的比例、重复多少个 epoch、如何 shuffle。因此，一部分数据仍在 materialize——也就是仍在处理和生成——训练任务已经可以启动。更关键的是，Poolside 把底层数据设计成不可变层，代码始终版本化。于是团队能追到某一个 token：它何时进入训练、对应哪个 cursor、用了哪个代码版本。Kant 说，两年前的一次 run 到今天仍可以复现。"it actually enables the scientific progress like the scientific process."（它实际上让科学进展、让科学方法本身成为可能。）

这意味着，数据工程不只是让 GPU 少空转的后勤工作。研究团队如果无法精确复现一次结果，就难以判断模型变好是因为数据配比、训练方法，还是偶然撞上了好运。Poolside 也不是一开始就理解这一点。Kant 承认，最初一年他们只是用更好的基础设施支持“YOLO runs”——先跑再说的大胆实验。大约一年到一年半后，团队才意识到：可追溯、可复现，才让实验从“感觉有效”变成真正能积累的科学。

被问到 Poolside 为什么不只开放权重，还要公开技术报告和训练研究时，Kant 给出了一个朴素判断：权重是二元交付物。你拿到 checkpoint，当然可以运行、微调、部署，但并不会因此获得一家实验室如何筛数据、设计预训练、调后训练、排查故障的能力。能跑模型，不等于能重建产生模型的过程。

因此，Poolside 把大量实验中积累的经验写入公开材料，覆盖数据、预训练、后训练和模型工厂。它们希望公开的不是一句“我们用了多少 token”，而是帮助后来者少走弯路的方法。Kant 也没有把这说成单向施舍。他提到，Poolside 自己受益于其他实验室公开的研究，尤其认为中国实验室在分享研究方面表现突出。于是他给出的理由带有一种技术共同体的互惠逻辑："when you're on the receiving end of something coming to you, I think it's you also have kind of an obligation to give back."（当你一直在接受别人带来的成果时，我认为你也多少有义务回馈。）

这意味着，开放生态下一轮比拼的不只是“谁先放出权重”，而是谁能减少后来者重复试错的成本。一个权重文件可以被下载，研究过程里的判断力却很难复制；但把方法公开，能让更多团队拥有进入赛场的起点。边界同样存在：数据集和部分训练细节未必总能直接公开，涉及授权、成本和安全时，开放研究并不等于毫无保留地公布一切。

被追问 Poolside 为什么从一开始就采用全球化、远程化组织方式时，Kant 特意纠正了一个常见误解：Poolside 从 day zero 起就是美国公司，但早期刻意决定不在湾区招聘研究员，而是从美国中部、西雅图、塞尔维亚、台湾、新加坡等地寻找人才。结果是，公司成了全远程组织，后来又在巴黎、伦敦等地设办公室。

这条路早期拖慢了他们。因为团队没有从成熟实验室“毕业”，也没有现成经验在走廊里流通，很多事情只能自己读论文、写代码、踩坑。最典型的一次，是团队第一次从零写训练代码库，而不是 fork 开源项目。公司当时只有 5 个人，为了一个 optimizer bug 排查了 3 周。训练总是不稳定，最终他们发现，Adam 的 epsilon 并不需要像早期 Llama 论文那样被大幅提高。"finding things out from scratch yourself builds a better intuition."（亲自从零摸索，会建立起更好的直觉。）

这意味着，模型研发里的组织优势不只来自拿到最新消息，也来自团队是否真正理解“为什么这样做”。论文里的配方、前辈留下的经验会过期；下一次训练不稳定时，靠照抄无法判断该改什么。从零摸索的代价也绝不浪漫。Kant 直言，团队最初 12 个月犯过一些至今让他后怕的训练错误。但那些错误逼出的训练直觉，会在下一篇论文失效时继续发挥作用。

在解释 Poolside 为什么重新拥抱开放权重与开放研究时，Kant 说，他和联合创始人 Jason 在今年年初重新讨论这条路线，是因为他们不愿生活在一个只有三四家公司创造未来全部智能的世界。对他而言，这像一部反乌托邦科幻小说的中段：AGI 已经出现，接下来人类却把它的供给交给极少数企业。

他的偏好很明确："I rather live in a world that has a 100 foundation model companies than a world that has five."（我宁愿生活在有 100 家基础模型公司的世界，也不愿生活在只有 5 家的世界。） 但这不是一句轻飘飘的开放宣言。Kant 同时列出三个没有答案的问题：开放基础模型如何形成商业模式？模型滥用风险到什么程度时不宜开放？政府会怎样回应开放模型？这些问题没有一个能靠“开放就是好”解决。

这意味着，开放并非单纯的发布策略，而是在为未来智能市场的结构下注。如果较小模型已经能覆盖大量代码和知识工作，能力可能更快商品化，用户对模型提供者的选择权、信任和价值观匹配就会变得重要。但他也承认，开放不可能永远适用于所有能力。一旦模型带来真实世界风险，训练方式、开放版本和限制范围都可能需要重估。争论的重点不该是永远开放或永远封闭，而是由谁、基于什么证据、以什么粒度决定边界。

被问到 AI 时代如何衡量工程生产力、并组织高 agency 的人才时，Kant 把 agency 解释成主动把事情推向结果的能力。他认为，这会成为个人越来越重要的品质。Poolside 有一名原本负责 agent 工程的员工，在约 6 个月内成长为能做出实际进展的强化学习研究员。模型工厂降低了跑实验的门槛，让工程师不必等到被授予“研究员”头衔才开始研究。

但高 agency 不等于每个人都去做自己最感兴趣的项目。Kant 说，如果没有共同目标和边界，组织会变成一个“exploration algorithm”——不断探索、不断扩张，却无法收敛。Poolside 会在入职前讲清楚使命，也讲清楚不做什么：长期不投入音频，不是因为音频不重要，而是因为它不直接推进公司定义的长程推理与 AGI 路径；团队也明确不做多模态、聚焦 RL。"innovation comes from constraints."（创新来自约束。）

这意味着，AI 原生组织未必需要靠更多层级和流程来协调人，反而更需要把“最短价值交付路径”与“不做什么”提前说清。人才越强，越不能只给抽象目标；否则每个人都能合理地把资源投入不同方向。边界的代价也真实存在：有人可能更在意被排除的方向，因而选择离开。聚焦不是免费午餐，它是用探索面的广度，换取一个团队在同一条路径上的速度。

Kant 的主线并不是“小模型会取代大模型”。“编码模型的瓶颈不只是智力，更是会不会坚持到底”，说的是模型能力不能只看参数规模；“模型不是产品本体，能持续产出的工厂才是护城河”，说的是实验室能力不能只看某次发布。这两条其实都指向同一件事：基础模型的竞争，正从一次性跑出一个更大的数字，转向能否持续生产更可靠的行为、更快验证假设、更低成本迭代模型。

这也解释了为什么“把数据流式送进训练”会被说成科学能力，而不只是工程优化；为什么“开放权重只是起点”，因为真正稀缺的是可迁移的研究过程；为什么高 agency 人才反而需要边界，因为资源、算力和注意力都必须被压到同一条路线。

对普通开发者、创业团队或研究者而言，这套判断不要求你去训练 118B 参数模型。它要求的是更具体的问题：你现在交付的东西，究竟是一次性成果，还是一条能重复运行的流程？你给 AI 堆了多少工具，是否反而挡住它直接完成任务？你鼓励团队探索时，有没有同时说清楚哪些方向暂时不做？当模型和人的产出速度都越来越快，最先成为瓶颈的，往往不是算力，而是你能否把试错变成下一次行动真正用得上的知识。