当「变大」不再是 AI 模型唯一的进化方向，心洲科技 Mind Lab 给出了一个具体答案：Macaron-V1——一套基于 GLM-5.2 744B 底座、用四个 1B LoRA 专家组合起来的开源 Coding 大模型。它面向开发者今天就能上手：权重在 HuggingFace 全开源、提供免费 hosted API、还有可直接装的 UI4A 可视化插件。如果你正在找一个"把个性化工程经验压进 LoRA 当作记忆"的开源模型，这篇带你搞清楚它是什么、怎么用。

Macaron-V1 是什么

Macaron-V1 是心洲科技（Mind Lab）开源的模型系列，核心卖点不是把参数堆到更大，而是把"经验"作为可热插拔的小模块。整套设计叫 Mixture-of-LoRA（MoL）：一个固定的大底座（GLM-5.2 744B，另有 Qwen3.6 35B 变体），叠加四个 1B 量级的 LoRA 专家，再在推理时按需组合。

这个思路把"个性化 / 领域知识 / 编码习惯"塞进轻量的 LoRA 里，作者称之为 LoRA-as-memory（经验学习）——不是再训一个万亿参数的巨型模型，而是让"经验"以小模块形式存在和更新。Macaron（马卡龙）的命名也由此而来：大底座夹着几层风味夹心。

模型档位（HuggingFace 已开源）

完整权重集合在：https://huggingface.co/collections/mindlab-research/macaron-v1

做编码任务的开发者直接上 Coding-Venti；想本地跑或低延迟的选 Tall。

三种用法

路线 1：直接调免费 hosted API（最快）

不用本地部署，最快的体验路径是官方 hosted endpoint：

• 海外：https://mint.macaron.im
• 国内：https://mintcn.macaron.xin

兼容 OpenAI API 格式，可以直接用现有 SDK 接入。

路线 2：本地 / 自托管部署权重

把 HuggingFace 权重拉下来，按 GLM-5.2 / Qwen3 的标准推理栈跑（vLLM、SGLang、transformers 均可）。Venti 档需要能装下 744B 的推理硬件；轻量场景跑 Tall（36B）即可。

路线 3：装 UI4A 可视化插件（开源）

UI4A 是 Macaron 团队的可视化插件项目，开源在：

git clone https://github.com/MindLab-Research/macaron-artifacts

仓库地址：https://github.com/MindLab-Research/macaron-artifacts

UI4A 提供插件 manifest、WebUI runtime 和 GenUI 工具，可以让 Macaron 跑在 Claude Code、Codex、Kimi Code 等主流 Agent / Coding 环境里，相当于在已有 Agent 工作流里换一个"经验可热插拔"的模型后端。

为什么 MoL 这条路值得开发者关注

主流大模型的进化叙事是"参数越大越强"，但这对开发者意味着两件事：一是部署门槛越来越高，二是模型不会"记住"你的项目上下文。Macaron 选了另一条路：

• 底座稳定、专家可换：GLM-5.2 744B 作为稳定底座，四个 1B LoRA 专家可独立训练、独立替换。
• 经验以模块形式存在：你的代码风格、项目约定、调用约定，理论上可以压进一个 LoRA 模块，而不是塞进 prompt 或重新训一个全参数模型。
• 开源权重可审计：所有权重在 HuggingFace 公开，不是黑盒 API。

这种架构对有自己代码库 / 知识库的开发者团队最有吸引力——你可以想象给每个项目训一个专属 LoRA，再按需挂载。

应用场景

• 个人开发者的 Coding Copilot：通过 hosted API 或本地 Tall 档接入 IDE，免费、可定制。
• 团队级代码风格/项目约定记忆：把团队约定压成 LoRA 模块，团队成员共享同一份"经验记忆"。
• Agent 工作流后端：通过 UI4A 接进 Claude Code / Codex / Kimi Code，做可热插拔的模型层。
• MoL 架构实验：研究者和资深 LLM 工程师可基于开源权重研究 LoRA 专家组合、经验学习、模块化推理。

写在最后

Macaron-V1 不是又一个"参数更大、跑分更高"的开源大模型，而是一次把"经验作为可热插拔记忆"工程化的尝试。开发者今天能拿到的三件实物：HuggingFace 全开源权重（5 档）、免费 hosted API（国内/海外双线）、UI4A 可视化插件。如果你做 Coding、做 Agent、或者对 LoRA 专家组合架构感兴趣，挑 Coding-Venti 跑一次，比读十篇架构文章都直接。

官方资源：

• 模型集合：https://huggingface.co/collections/mindlab-research/macaron-v1
• UI4A 插件：https://github.com/MindLab-Research/macaron-artifacts
• hosted API（海外）：https://mint.macaron.im
• hosted API（国内）：https://mintcn.macaron.xin