meta 搞了很久搞出了 llama4, 为啥小米可以这么快搞定 mimo

v2-pro 是 3/11 ，v2.5 是 4/22 ，算下来，考虑一下假期，差不多这个月 20 号，应该可以见到 mimo-v2.7 吧。

好像就是从 deepseek 挖的人，罗原来就是 deepseek 团队的

Deepseek 的存在，GLM5.1 的结构和 DeepSeek 几乎一样，只是在预训练和后训练上投入多点就可以获得不差的效果。架构带来的优势现在被拉平的不少，meta 的时代开源还没摸索出一个优秀的结构呢

meta 感觉主要还是之前组织比较混乱，调整后现在不是也有 muse spark 了，不过好像一般用户使用的还是比较少，也没啥声音说能力怎么样。

因为 deepseek 每次开源之后写的技术报告太详细了，按照他的技术路线可以完全复现

所以粱圣伟大啊，这么好的东西就开源了。再加上蔡福莉也是在里头做了几个版本的。就好比你虽然不是主程，但也是项目里的高级程序了,把项目 copy 回去改改重新跑应该不难吧。难的是改方案，改架构。

除了有 deepseek 的因素以外，meta 在 llama3 到 4 期间，ai 实验室经过了很多人事变动和办公室 drama 。

多关注一下湾区的科技公司，你会发现科技圈的 drama 比洼地娱乐猪圈的 drama 有趣太多了

第一国内卷，都是加班往前冲。第二可以蒸馏了啊。第三很多开源模型，照抄不会么

挖天才少女 1 是评估冷启动算力，2 是流量。小米别的不行，搞流量和抄作业还不会吗

所有看着最高端的技术、包括航天 原子弹 芯片看似门槛高难度大，实际最关键的只在那一两个人，之后才是团队和这一两个人能调动的资源，所以小米能造出来就比较容易解释了

学日本那一套

国内厂商之间，不做技术壁垒，相互之间默认技术共享

比如：云，国内押注云技术的只有阿里巴巴

最后结果，到处都是云，阿里鸡毛钱没赚到

亚马逊押注云，成功把云计算变成第一营收业务，阿里还是卖货的，人家变成了云计算公司，你滚来滚去还是靠电商

相互之间技术共享都是默认的

招厉害的人，投足够多的钱，基于成熟的架构改巴改巴，就能做成国内 top 的水平，但是要做成世界级还需要长期深耕

要拿 mate 对比国内公司的话可以对比百度。。都是起了个大早啥也没弄出来的代表

我也问了半天 deepseek 这个问题; 问了半天 就是:
""
领导力+吹牛+挖到关键人才+小米积累了很多数据+蒸馏+这个关乎小米业务舍得砸钱..
"""
反正 deepseek 回答得挺客气 我感觉肯定有不知道的内幕.

是 因为搞定训练数据和强化学习的数据反馈了吗？