Macaron-V1 est une famille de modèles-agents ouverte conçue pour l'intelligence expérientielle, permettant aux systèmes d'apprendre à partir d'expériences du monde réel et de continuer à s'améliorer après le déploiement. L'architecture repose sur deux objectifs : l'adaptation par l'amélioration récursive des paires modèle-harnais, et la collaboration via un système Mixture-of-LoRA (MoL) qui sélectionne des adaptateurs spécialisés pour chaque tour utilisateur.

  • Le modèle phare Macaron-V1-Venti combine une base GLM-5.2 de 744B avec quatre LoRAs pour les tâches de chat, d'agent, de codage et de GenUI.
  • Macaron-V1-Tall utilise un modèle Qwen3.6 de 50B pour le déploiement local en utilisant la même conception MoL.
  • Le système emploie la Co-conception Modèle-Harnais et le cadre RL agnostique MindForge pour l'amélioration récursive.
  • L'infrastructure comprend la plateforme d'entraînement post-hoc MinT, LongStraw pour le RL à long contexte, et des techniques de stabilité pour les modèles MoE clairsemés.

Le rapport valide Macaron-V1 sur les benchmarks d'Intelligence Personnelle, GenUI et des capacités générales par rapport aux références de pointe, bien que les gains cumulatifs issus de l'apprentissage continu restent des questions ouvertes.