← 返回目录
一、The Beginning of Infinity：无限雪山
杨植麟在访谈开场便引用了David Deutsch的《The Beginning of Infinity》中的核心命题，将其作为他理解AI发展的根本框架。
杨植麟
它说有两句话要刻在石头上。一句话叫问题是不可避免的，但是第二句话是说问题是可以解决的。
杨植麟将AI的发展比作攀登一座可能没有尽头的雪山：每解决一个问题，技术就往上攀升几百米，但解决问题的过程又会产生新的问题。他明确表示"我希望它一直没有尽头"——因为这正是"Beginning of Infinity"的含义。
核心隐喻
从静态社会到动态社会
杨植麟借助Deutsch的框架区分了两种社会形态：启蒙运动之前是静态社会——人们用"雷公"解释打雷，不追求创新；启蒙运动之后是动态社会——知识不断被创造，问题不断产生又被解决。AI恰好处于这样一个动态过程之中：解决了强化学习的问题，就面临评估和泛化的新问题。
AGI不是一级台阶，而是一个方向
杨植麟对AGI的重新定义
- AGI可能不是某一个时间点的突破——"你很难说某一个时间点我突然就可以喊一个口号说此时此刻实现AGI"
- 与登月不同——登月是站上月球那一刻就达到了，AGI是你不断做
- 在很多领域，今天的模型"可能做的比99%的人类都更好"，可以认为局部已是AGI
- 除了技术提升，技术对人类社会的影响也是AGI的一部分——类似蒸汽机产生后，社会花了几十几百年消化
雪山上的攀登者已不只是人
杨植麟
甚至有可能爬到一段时间之后，不一定是自己在爬。有可能是你用AI来爬。比如说你现在我们也会把K2这个模型去做很多可能模型训练或者说数据处理相关的工作。
递归式攀登的含义
杨植麟透露K2模型已被用于自身的模型训练和数据处理工作——这意味着攀登雪山的工具本身在进化。这是一个自指的结构：AI正在参与创造更好的AI。他希望K2能参与到K3的开发中，这正对应L1-L5框架中"Innovation"层级的核心含义。
二、过去一年：全球大模型的范式变迁
杨植麟总结过去一年AI领域最重要的几件事，并将其归纳为清晰的技术演进脉络。
三大重要变化
强思考的推理模型（Reasoning）
以O1为代表。本质是让模型在过程中做大量猜想-验证的循环：提出猜想、自我验证、否定后提出新猜想。相当于把pass@k变成pass@1——"你本来只能做一次，现在可以不断的提出猜想去验证。"
多轮Agent强化学习
模型不再是"缸中之脑"，而是跟外界做大量交互——边思考边操作，调用搜索、使用浏览器、写代码。通过多轮方式解决一个问题，下一步行为基于外界反馈。
Kimi过去一年的关键决策
RL优先
从预训练+SFT为重点转向强化学习为重点
三、缸中之脑 vs Agentic：两种Test Time Scaling
杨植麟提出了本次访谈最精彩的技术框架——两种本质不同的Test Time Scaling方式，它们共同指向同一个目标：规模化推理时的Token。
缸中之脑（Brain in a Vat）
- 不跟外界交互，纯粹在大脑里想
- 猜想-验证的串行过程，也可搭配并行采样
- 对应强思考的推理模型（O1路线）
- Scaling维度：每轮思考的Token数
- 最新研究发现：串行的上限可能更高
Agentic（与外界交互）
- 多轮使用工具，与环境持续交互
- 行为基于外界反馈更新
- 对应Agent强化学习（Claude路线）
- Scaling维度：交互轮次
- 可以端到端完成复杂代码任务
两种 Test Time Scaling 路径对比
杨植麟
你可以看Claude很多模型它的Reasoning的Performance并不是非常高，但是它在Agent上的Performance是很高的。这两个东西它其实也并不一定是依赖的关系。
两种路径不是串行依赖，而是互补关系
杨植麟指出一个被广泛忽视的事实：Reasoning和Agent在研发上不是必然的顺序关系。Claude在Reasoning上并不突出但Agent表现极好——这说明两种技术路径（缸中之脑 vs 外界交互）各自独立有效。但如果要做到最好的Agent，最终还是需要Reasoning也很强。"它只是一个时间问题。"
四、一方产品 vs 脚手架：正向与逆向工程
杨植麟提出了AI产品开发中的一个深层区分——逆向工程与正向工程两种完全不同的思路。
逆向工程（脚手架模式）
- 基于基础模型，设计工具和脚手架
- 本质是逆向工程模型的训练过程
- 猜测模型的最佳System Prompt、Context Engineering
- 代表：Manus等三方Agent产品
- "你更接近去拟合它的分布"
正向工程（一方产品模式）
- 先设计好工具和Context Engineering
- 在这个环境里直接训练模型
- 模型天然在自己的环境里表现更好
- 代表：Claude Code、ChatGPT Agent
- "上限也许会更高"
杨植麟
模型公司去做一方的产品它的逻辑是完全不一样的。你不需要逆向的过程，更多的是一个正向的做法——我现在先把这些工具设计好，Context Engineering的方法都设计好，然后在这个环境里面去训练模型。
模型即产品
训练完成 = 产品完成
杨植麟反复强调的"模型即产品"理念：当你训练Agent模型时，工具、环境、Context Engineering都已经搭好——模型训完后，产品已经做完了。交互层面的优化是"锦上添花"，核心性能在训练中已经打磨完成。这与传统互联网"先有产品再迭代"的思路根本不同。
一方产品的垂直整合优势
杨植麟对边界的判断
- 一方产品不可能覆盖所有Agent空间——"一方产品不一定做得过来"
- 专有Agent的机会：掌握独特工具（如线下服务入口）、需要大量领域know-how的evaluation
- 但当通用Agent流量和商业模式成熟后，专有工具也会愿意接入——"因为整体的商业化效率会更高"
- Manus类公司短期是合作大于竞争，长期会随产品演进而动态调整
五、L1到L5：并非线性的能力阶梯
杨植麟对OpenAI提出的L1-L5分级（Chatbot→Reasoner→Agent→Innovator→Organization）给出了独到的解读。
| 级别 | 名称 | 杨植麟的判断 |
|---|
| L1 | Chatbot | 已基本实现，但Reasoning仍有很大空间 |
| L2 | Reasoner | "你真的说做到很强很强的推理，今天也还是有很大的空间" |
| L3 | Agent | 最大挑战是泛化性，需要L4的技术来解决L3的问题 |
| L4 | Innovator | 关键标志：模型参与到模型自身的研发——"K2能参与到K3的开发" |
| L5 | Organization | Multi-Agent系统，已有雏形，但端到端训练Multi-Agent是挑战 |
L4解决L3：非线性的关键洞察
杨植麟提出了本次访谈最重要的技术判断之一：Agent（L3）的泛化问题需要Innovation（L4）的技术来解决。今天Agent的泛化不够好，是因为人工定义的task和benchmark有限；只有当模型能参与到"AI对齐AI"的过程中，才能突破这种种瓜得瓜的限制。"你要用L4的技术去解决一个L3的问题。所以L1到L5的定义有可能真的不是线性。"
Innovation的标志：模型的自我迭代
杨植麟
我们希望K2能够参与到K3的开发里面。如果你没有Agent的能力，你其实很难做到这个事情。但当你有Agent能力之后它就可以去——不管是提出一些新的想法，还是去做对应的实验，然后分析实验结果得到一些结论。
六、K1.5到K2：关键技术决策复盘
K1.5：强化学习的技术验证
K1.5的核心发现
- 较早在强化学习技术路线上做投入
- 发现不需要太多Process Reward或Value Function——甚至在训练过程中还有副作用
- 直接用端到端的Reward就可以把训练做得非常好
- 积累了强化学习的基建和算法经验
K2的三大设计目标
Base Model
做非常好的基础模型，提升Token Efficiency
研发时间线
一年前
开始积累各种关键技术——Muon优化器、Agent数据方法、大规模训练稳定性。"很多技术需要经过一个比较长的周期。"
小规模验证期
通过不同的Scaling实验验证技术有效性。"你有这个想法之后，到最后能够放到一个万亿模型里面去训练，要经过很长的周期。"
最近几个月
决定训练K2模型，确定哪些技术用上。"看现在工具箱里面又多了很多新的东西，到底要把哪些东西拿出来用。"
训练过程
遇到Muon优化器的MaxLogit爆炸问题——小规模上无法复现，只有大规模才出现。提出新的Clipping方式解决。
杨植麟
研究和训练是一个团队在做的。因为这些东西很难分开——你在实际训练过程中遇到问题，如果之前都不了解，你没有办法解决它。
训练中的意外
Muon优化器的大规模训练稳定性问题
- MaxLogit在大规模训练时会爆炸——"内科指标不正常对模型的上限是有害的"
- 小规模实验上无法复现——这是大规模训练特有的问题
- 提出新的Clipping方式解决，让Muon在非常大规模的情况下仍能稳定训练
- 这是K2训练过程中唯一无法被提前预测的问题
七、Token Efficiency：Muon优化器与数据改写
杨植麟将Token Efficiency视为突破数据墙的核心路径——不是训得更快（Computer Efficiency），而是让同样的数据产生更多智能。
核心区分
Token Efficiency vs Computer Efficiency
Computer Efficiency：训得更快，更短时间完成训练——但模型效果不一定变好，因为Token还是那么多。Token Efficiency：同样的数据，吸收得更好、脑子长得更多、Loss降得更快。杨植麟明确选择后者作为K2的核心优化方向。
Muon优化器的突破
从Adam到Muon
- Adam已用了十年，所有大模型都用Adam训练——但Token Efficiency并不够好
- Adam把每个参数独立考虑；Muon基于矩阵正交化，考虑参数间的dependency
- 在Compute Optimal情况下，Muon有约2倍的Token Efficiency提升
- "学一份数据就等于别人用Adam学两份数据"——30T高质量Token等价于60T
- Muon由Keller提出，Kimi团队在大规模语言模型训练上做了大量优化（Moonlight工作）
2x
Muon vs Adam 的Token Efficiency提升
数据改写策略
把有限数据当成更多来用
- 高质量数据增长缓慢，"接近是一个常数"
- 同一份数据学很多次会导致过拟合和泛化变差
- 通过模型改写数据，让它有一定程度的泛化——关键是改写时要有新的熵的输入
- 具体改写方式有非常多种，"这个空间也很大，可以有非常多的研究机会"
张小珺
改写和扩充其实没用？能够写出来知识说明知识本身就在里面，没有新知识。
杨植麟
可能确实跟你的改写方式有关系。理论上就是看你有没有新的熵的输入。
更多参数 = 更高的Token Efficiency
杨植麟还指出一个直觉上的关联：通过更大的稀疏度加更多的参数，Token Efficiency也会更高——"因为你参数多了之后，虽然学一样多的数据，你会吸收得更好。"这为K2选择更大规模的模型提供了理论依据。
八、Agent的泛化困境与破解
杨植麟反复强调：Agent的泛化性是当前AI最大的未解决问题。这一判断贯穿整个访谈。
Agent的定义
两个核心特征
- 多轮——一种Test Time Scaling方式，能做很多次而非一轮输出
- 工具——连接脑与外部世界。搜索引擎连接互联网，代码连接数字世界的自动化
杨植麟特别强调：Agent的目的不是模拟人，而是通用（general purpose intelligence）。"跟人的做法类似只是一个刚好的结果，并不是设计目的。就像设计飞机是为了当交通工具，不是为了像鸟一样能飞。"
泛化困境的具体表现
Benchmark过拟合
- SWE-Bench马上会饱和
- 很多Bench不够真实，不反映实际用户体验
- 优化Benchmark会导致RL任务坍缩到几个单点
- "你在没有观测的东西上它可能就掉得非常多"
种瓜得瓜问题
- RL的泛化比SFT好——因为On-policy Sample
- 但仍然受分布制约
- 某类数学竞赛做到99分，别的数学提升5分
- 即便是Coding Agent也面临同样挑战
杨植麟
我是觉得现在这个领域面临的可能是Benchmark不够用，或者Benchmark失效，就是Agent的泛化有问题这样的一个阶段。
破解方向
- 用AI训练AI——用Innovation层的技术解决Agent层的问题
- 更好的Evaluation——世界模型可能是其中一部分
- Long Context支持——128K/256K不够，需要百万级别；但长的同时不能损伤智商
- RL训练方式改进——Multi-Agent系统需要中间Reward，而非仅端到端Reward
- 更通用的环境设计——正向设计而非为特定任务专门设计
Curriculum Learning的隐式实现
K2使用中等难度任务而非最难任务来训练Agent——这不是退让，而是强化学习本身隐式实现了课程学习：从合适难度开始，逐渐提升。"你不能一上来就让它去证明一个还没有人证明过的数学问题，那sample efficiency就会非常非常低。"这解释了为什么K2的Agent训练策略看似保守实则更有效。
九、Coding Agent与通用Agent的关系
杨植麟对Coding Agent做出了一个精确的定位：它是通用Agent的重要子集，但Kimi的目标不止于此。
定位
Coding = 数字世界的自动化入口
Coding的独特地位在于：数字世界几乎所有自动化都可以用代码描述。如果你想创建新工具——写代码；想做更好的Context Engineering——背后也是代码。更关键的是，Coding Agent比较好验证（有test case），所以比较好学习。但这也意味着它面临同样的泛化挑战。
为什么不只做Coding模型
通用性的必要性
- 很多非程序员（律师、产品经理、设计师）也在用Claude Code做自己的任务——这得益于模型的泛化
- Agent步数越多，对通用性的要求越高——"即便程序员也不仅只是写代码"
- 如果只拟合到单点能力，Benchmark看起来好但实际通用性不够
Agent还缺乏什么能力
| 能力 | 现状 | 杨植麟的判断 |
|---|
| 高频工具使用 | 还不够好，能力上还有很大空间 | 缺少更好的Benchmark来观测 |
| 长尾工具泛化 | 完全OOD的工具上表现不佳 | 需要更好的泛化才能避免垂直Agent的碎片化 |
| Long Context | 128K-256K不够，需百万级 | 长的同时不能损伤智商——架构层面的挑战 |
| RL训练方式 | 端到端Reward可能不够 | Multi-Agent系统需要中间Reward，如何摆脱人工设计 |
十、开源与闭源：动态博弈与生态演进
杨植麟在去年访谈中曾说"开源会落后于闭源"。一年后，K2开源了。张小珺追问这一变化。
杨植麟对开源的重新理解
开源的价值与局限
- 社区能贡献的：推理侧的优化、更多人免费部署和使用、加速技术推进
- 社区不能贡献的：让Base Model本身变得更好——"还只能是你原厂自己来做"
- 开源的新机会：基于开源模型做Agentic Post Training——比如法律Agent、垂直Specialized Agent
- 但这更多是赋能下游应用，而非提升主模型
市场格局的收敛判断
动态
Kimi的开闭源策略——"不一定所有东西都会完全开"
为什么中国公司都开源了
杨植麟坦率地说："客观的说还是有市场博弈的因素。"但他认为这对社区是好事——开源让大家可以互相借鉴，加速收敛。Kimi希望持续分享好的技术，但并非所有东西都开源——"这是一个技术体系的信仰"。
十一、AI时代的产品与系统复杂性
交互方式随模型能力演进
Copilot
单个代码补全，人点击Accept/Reject。
Claude Code
多步Agentic Coding任务，端到端执行。"但今天Claude Code的交互也不是终极形态。"
下一代（未知）
Multi-Agent System的交互方式——"模型还会提升，提升之后交互就会持续变化。"
通用模型的系统复杂性
简单和复杂的双面性
- 变简单：所有东西放在同一个模型里，不需要维护那么多模型和routing策略
- 变复杂：模型要在所有场景下工作——不同工具集、不同定义、不同实现方式都要适配
- Coding Agent、Search Agent、其他Agent放在同一个通用模型里会"打架"——工具定义不一样、数据pattern不一样
- 多模态的挑战：加入多模态能力后不能损伤文本智商——"你希望在多模态模式下也能激发文本的智商，而不是进入另外一部分参数"
- 越到Post Training后期越到RL，这个问题越严重——Pre-training相对好做
杨植麟
你只是能够不损伤已经很好了。你希望在多模态模式下跟文本模式下共用一个脑子——能在多模态模式下也能把文本的智商给激发出来，而不是完全丢掉了原来文本里面学习的部分。
Scaling Law的现状
数据墙存在，但模型变好的速度在加速
- 数据墙是客观事实——所以要提高Token Efficiency
- RL的Scaling效率比Pre-training更高——因为On-policy、有复杂度
- "我们观察到模型变好的速度并没有在减少，甚至是在加速"
- 先Scale Pre-Training，再Scale RL——两波叠加
为什么AI产品还没形成数据飞轮
原因一：算力Scaling太强大
- 直接Scale Flops带来的提升非常大
- 会显得其他提升很小
- "基于算力的Scaling太强大了"
原因二：反馈信号噪声
- 数据飞轮依赖外界环境的Feedback
- 大模型的学习对噪声比较敏感
- 跟推荐系统不一样——推荐系统对噪声更鲁棒
- 需要新的交互设计来减少噪声
商业模式的思考
两条路径
- To B API——头部公司有几十亿到三百亿美元的ARR，且在快速增长，"每一两个季度就能翻两三倍"
- 一方产品——垂直整合的优势
- 最主要还是把模型做得更好——"如果模型真的能做到比如Opus的水平甚至做得更好，那空间肯定更大"
- 关于Kimi能不能赚到钱："取决于你的模型效果。市场已经一定程度上被验证，而且在快速增长。"
2C产品的价值不在于数据飞轮
杨植麟认为用户数据无法直接拿去训练提升模型智能，但2C产品的价值在于：（1）了解需求分布，知道用户用什么好、用什么不好，抽象成Evaluation去优化；（2）用户的商业价值——Agent产品的专业用户"已经本身就是一个很好的生产力的价值"。
十三、用RL管理团队：SFT与RL的平衡
杨植麟在访谈中透露了一个令人惊讶的管理哲学——他正在尝试用RL的方式管理团队，而不是用SFT。
SFT式管理
- 直接告诉团队"这个东西应该这样做"
- 明确指令，明确路径
- 风险：团队失去创造力和主观能动性
- "SFT太多，这些同学就会失去主观能动性"
RL式管理
- 给团队一个Reward信号——"如果做成这样，那可能是好的"
- 让团队自己探索路径
- 风险：容易被Hack——"看起来结果都很好，但实际上没有达到你想要的"
- 需要用SFT作为"先验"防止飞太远
杨植麟
这个是Tim天天跟我讲的——就是说你觉得要用RL的方式去管理，而不是用SFT。好的技术你做RL的时候也希望加一部分SFT——不希望模型飞太远。但是你要管住自己的手，不能SFT太多。
科研、AI训练、组织管理——三位一体
杨植麟发现了一个深层的同构关系：（1）科研：提出猜想、验证猜想、迭代——这是RL过程；（2）AI训练：以RL为主、SFT为辅、防止Reward Hacking；（3）组织管理：定好Reward（但不能只定Benchmark分数）、让团队自由探索、用SFT防止偏离太远。"这三个东西好像是相通的。"定义Reward尤其重要——如果只是把Benchmark做高，就会出现Overfitting，"所有人都不择手段把那个分弄上去，弄完之后模型好像还并没有变好"。
十四、创始人心态：问题不可避免，问题可以解决
过去一年的最大成长
杨植麟
认识到一个点就是说问题是不可避免的，它会一直存在。然后持续解决新问题，我觉得最重要可能也是最有意思的。这个是一个心态上的变化。
创业中的心态管理
杨植麟的几个原则
- "不以物喜不以己悲"——避免情绪化的决策，最终落实到决策和执行上要理性
- "做时间的朋友"——反复强调，包括技术积累、人才投入
- 不恐惧掉下去——"更多关注当前这一步能做什么"
- 兴奋值维持稳定——"更适应这种状态让兴奋值减少，但AI进展快又让兴奋值增加"
走弯路是知识创造的必然
杨植麟
就像牛顿做的很多东西它当时是最好的理论，但它不是完美的，它在一些场景下是完全错误的理论。组织的进化或者一个公司的发展是一个动态的过程，任何中间点在某些时间是对的，有些时间可能是错的。
CEO的技术战略
花时间最多的事
- 技术战略——"可能公司战略里面最重要的一部分"，决定下一步做什么、不做什么
- 技术战略"至少决定五六成的公司走向"
- 不能拍脑袋——需要大量实验证据支撑，"数据足够充分时判断也是比较显然的"
- 关键决策：做Long COT、Muon优化器、更大规模Re-training、第一个开源Agentic模型
十五、AI与人类文明：放大器还是威胁
访谈的最后部分，杨植麟和张小珺讨论了AI的终极意义。
杨植麟 引述Kimi
它说这个东西是人类文明的放大器。
AI作为Meta Science
杨植麟对AI角色的判断
- 从启蒙运动到现在，人类一直在找突破知识边界的新方法
- 在任何前沿学科，人类要花二三十年学到最前沿才能做突破
- AI会成为一个Meta Science——科学的科学，巨大的杠杆
- 风险不能说不存在——但"如果放弃这个事情，你放弃了人类文明的上限"
人的独特价值
可能被AI取代的
- 创造中的"很大一部分"
- 生产力——"无所谓，因为人可以享受生产的结果"
快答环节
| 问题 | 杨植麟的回答 |
|---|
| 全球最喜欢的食物 | 拉面——"好吃" |
| 推荐的书 | 《The Beginning of Infinity》 |
| 影响AI进程的论文 | Back Propagation、Transformer、GPT-3、ResNet、Adam（"但现在可能还有Muon"） |
| 当下最关键的Bet | "泛化的Agent，用Innovation，用L4做L3" |
十六、关键数据与判断汇总
| 判断 | 具体内容 |
|---|
| AGI定义 | 不是一个时间点，是一个方向；在很多领域局部已实现；包括对社会的影响 |
| 两种Test Time Scaling | 缸中之脑（串行思考）vs Agentic（多轮交互），两者并非依赖关系 |
| L1-L5关系 | 并非线性串行，需要L4的技术解决L3的问题 |
| Muon vs Adam | Token Efficiency约2倍提升，30T等价60T |
| K1.5定位 | 强化学习技术验证——发现不需要Process Reward |
| K2定位 | 好的Base Model + 好的Agentic能力 + 第一个开源Agentic模型 |
| K2唯一意外 | Muon优化器的MaxLogit大规模爆炸问题——小规模无法复现 |
| Agent最大挑战 | 泛化性——Benchmark失效、种瓜得瓜、OOD场景表现差 |
| Coding Agent定位 | 通用Agent的重要子集，代表数字世界的自动化入口 |
| 开源策略 | 长期分享技术，但不一定所有东西都开源 |
| 市场收敛 | 全球模型公司从几百→几十→几个 |
| Scaling Law | 数据墙存在，但模型变好速度在加速；RL Scaling效率高于Pre-training |
| 数据飞轮 | 尚未形成——算力Scaling太强大 + 反馈信号噪声 |
| 一方产品优势 | 正向工程 > 逆向工程，垂直整合的上限更高 |
| 组织管理 | RL为主、SFT为辅、防止Reward Hacking |
| 最关键Bet | 泛化的Agent，用L4做L3 |
| AI的角色 | 人类文明的放大器 + Meta Science |
| 影响AI的论文 | Back Propagation、Transformer、GPT-3、ResNet、Adam/Muon |
| 成功概率 | 比一年前增大——"只要你还在往上爬，成功概率都会变大" |
启示与延伸思考
1. "缸中之脑"与"Agentic"是两条独立的Scaling路径
杨植麟提出的这一框架解释了为什么Claude在Reasoning上不突出却在Agent上领先——两种Test Time Scaling路径背后是不同的技术栈。Reasoning Scaling的是单轮思考深度，Agent Scaling的是多轮交互轮次。它们最终需要融合，但在当前阶段各自独立有效。这对行业的启示是：不必等到Reasoning做到极致才开始Agent，反之亦然。
2. "用L4做L3"可能是AI发展的下一个突破口
杨植麟最核心的技术判断是：Agent的泛化问题无法在Agent层面解决，需要Innovation层的技术——让AI参与AI的训练、对齐和评估。这意味着L1-L5不是线性攻克的台阶，而是互相支撑的能力网络。如果这个判断正确，那么"模型参与自身研发"将成为下一轮AI竞争的关键分水岭。
3. Token Efficiency而非Computer Efficiency是突破数据墙的正确方向
杨植麟做了一个重要区分：训得更快（Computer Efficiency）不提升智能上限，同样数据吸收更多（Token Efficiency）才提升上限。Muon优化器的2倍Token Efficiency意味着30T数据等价60T——这是对数据墙的直接回答。更大的含义是：优化器这个被忽视十年的领域（Adam统治了十年）可能是下一个技术红利区。
4. 正向工程取代逆向工程是AI产品的范式转移
杨植麟对脚手架模式（Manus）和一方产品模式（Claude Code）的区分揭示了一个产品范式的根本转变：传统三方产品本质上是在逆向工程模型的训练过程——猜测最佳Prompt、最佳工具配置。而一方产品是正向工程——先设计好环境再训练模型。这解释了为什么模型公司的产品天然具有优势，也暗示三方Agent公司需要找到独特的工具壁垒才能生存。
5. "模型即产品"理念仍在深化
杨植麟一年前提出"模型即产品"，今天这个理念更加具体：当你训练Agent模型时，工具、环境、Context Engineering都必须在训练时搭好——模型训完，产品基本完成。交互设计是"锦上添花"。这与互联网时代"先有产品再迭代"的方法论根本不同，也解释了为什么杨植麟把绝大部分时间投入技术战略而非产品设计。
6. RL管理组织是一个值得关注的管理哲学实验
杨植麟将AI训练中SFT和RL的关系映射到组织管理：SFT式管理（直接指令）让团队失去创造力，RL式管理（定义Reward让团队自由探索）可能被Hack。最佳策略是以RL为主、SFT为辅——给方向但不给路径，用少量"先验"防止偏离太远。这种从技术到管理的同构思维，可能是AI原生组织的一个重要特征。
7. Benchmark失效是Agent领域最被低估的风险
杨植麟多次强调：SWE-Bench即将饱和，很多Benchmark不反映真实用户体验，优化Benchmark会导致RL任务坍缩到几个单点。这意味着当前Agent领域的"军备竞赛"可能在优化错误的目标。真正的泛化需要完全不同的评估方式——可能是世界模型，可能是AI自评估——这正是"用L4做L3"的具体含义。