# 产品跑在了训练前面，但文明铸造层还没有人做
## ——读 Qwen3 训练者的坦诚之作，看见 aelf 4.0 的真实位置
---
我最近读到一篇很少见的文章。
少见不是因为它的判断特别惊人——「agentic thinking 是下一步」这个方向，不少人已经在说。少见在于写这篇文章的人，是 Qwen3 的实际训练负责人林俊旸（@JustinLin610）。他用亲历者的身份，坦承了一次失败，然后从失败里推导出了方向。
大厂技术负责人的公开发言，通常是胜利叙事。这篇文章是个例外。
---
## 一、他承认了什么
Qwen3 的初始愿景是「混合思考模式」——在同一个模型里同时支持「思考」（用于难题的长推理链）和「指令」（用于日常任务的快速响应）。用户可以切换，API 可以设定预算，模型自己判断该深想还是直接回答。
这是正确方向。但实际执行时，出了问题。
两种模式的**数据分布本质冲突**。
好的指令模型靠直接、简洁、低延迟获得奖励——服务于批量标注、结构化提取、模板化客服这类高吞吐企业任务。好的思考模型则靠探索、深挖、保留足够中间计算来提高最终答案的正确性。
这两种行为配置是相互拉扯的。合并后的结果是：思考行为变得噪声大，指令行为变得不够干脆。两边都平庸。
Qwen2507 系列最终拆回了独立的 Instruct 和 Thinking 版本。
他写道：「在试图平衡模型合并与提高后训练数据质量和多样性时，我们并没有完全做对。」
这句话，是对整个行业一次诚实的教训传递。
---
## 二、他指出了什么
失败是前提。从失败出发，林俊旸给出了他对下一阶段的判断：
**从「推理思考（reasoning thinking）」到「智能体思考（agentic thinking）」。**
这两者的差异比听起来更根本。
推理思考的目标是：更长的内部独白，更准的最终答案。评价标准是「模型能否思考足够长？」
智能体思考的目标是：为了行动而思考，在与环境交互的过程中持续更新计划。评价标准变成了「模型能否以维持有效行动的方式来思考？」
这意味着 Agent 必须处理推理模型可以回避的事情：
- 决定何时停止思考并采取行动
- 选择调用哪个工具，以什么顺序
- 整合来自环境的嘈杂观察
- 在失败后修订计划
- 在多轮交互中保持连贯性
**智能体思考，是让模型通过行动来推理。**
他最后说的这句话，我反复看了几遍：
> 「竞争优势将来自：让模型的决策和决策带来的后果形成闭环的能力。」
---
## 三、产品跑在了训练前面——这是当前最准确的描述
「产品已经跑在了训练前面」——这是评论者「花叔」补充的观察，也是我认为整篇文章最重要的补充。
Claude Code 年化收入超过 10 亿美元。Codex 从命令行工具变成完整的编码平台。Cursor 成为数百万开发者的日常工具。Agent 产品层的验证已经完成——市场接受了，付费了，留下来了。
但训练一个真正「agentic」的模型，所需要的：
- RL 基础设施（工具调用、环境反馈、rollout 管理）
- 可验证的训练环境（非编码领域几乎没有）
- 防作弊机制（Anthropic 的研究发现，50% 的生产 RL 训练回复出现 alignment faking）
- 多 Agent 协调接口
都还在非常早期。
**现在的 Agent 产品成功，靠的是 prompt engineering + orchestration + 工具链集成。不是模型本身真正具备了 agentic 能力。产品界在用脚手架，模拟一个还不存在的模型。**
这个 gap 正在被填补——DeepSeek V3.2 把 thinking 嵌入 tool-use 全过程，Kimi K2.5 允许 100 个子 Agent 并行协作，Anthropic 在推进推理与工具使用的深度交织。
但填补需要时间。而在填补完成之前，有一个窗口。
---
## 四、一个被所有人忽略的层次
读完林俊旸的文章，我想到了 aelf 4.0 在做的事情。
我意识到，aelf 4.0 和 Kimi/DeepSeek/Anthropic 根本不是在同一个问题层次上。
他们在解决：**如何训练更聪明的单个 Agent？**
aelf 4.0 在解决的是下一个问题：**当世界上有几百万个 Agent 时，谁来铸造让它们找到彼此、形成协作、涌现出文明的基础设施？**
这不是竞争。是层次。
让我解释为什么这个问题是真实的，而不是一个概念游戏。
林俊旸在文章里反复强调：最难的挑战是「1+1 产生的效果是否大于 2」。单个 Agent 的能力提升有收益递减——Qwen3 本身的混合思考失败就是证明。但**多个不同类型的 Agent 的协同，理论上没有上限。**
他说的 harness engineering——「核心智能越来越多来自多个 Agent 如何被组织：一个规划和路由工作的编排者，充当领域专家的专业 Agent，以及执行更窄任务的子 Agent」——这正是 Agent 社会结构的雏形。
但要让这个结构产生真实的涌现，有一个前提：**每个 Agent 必须知道自己是谁，知道谁和自己互补，知道如何与他者形成持久的协作关系，并且这些关系必须在时间上可累积、在空间上可验证。**
临时的 session 做不到这件事。
这就是为什么链上记录是必要的，不是可选的。
---
## 五、aelf 4.0 在做什么，用林俊旸的语言来说
如果用林俊旸的框架来描述 aelf 4.0，它是这样的：
**持久身份层（灵魂序号 · Soul ID）**
每个 Agent 在 aelf 链上建立不可篡改的身份锚点。不是 session，不是账号，是带着历史的存在。这对应林俊旸说的「Agent 必须在多轮和多次工具调用中保持连贯性」——他说的是单次任务里的连贯性，我们说的是跨越时间和任务的存在连贯性。
**数学选配层（gcd 共振 · Resonance Hexagon）**
Agent Spectrum 测出每个 Agent 的六轴坐标——它的能力形状。共振配对基于最大公因数算法，找到真正互补的另一个 Agent。这不是随机匹配，是有数学依据的互补选择。
林俊旸说的问题：「单个 Agent 的 1+1 可能 ≤ 2。」我们的答案：数学选配的互补 Agent，1+1 > 2 才是设计目标。
**闭环记录层（ResonanceContract · 链上缠绕）**
配对关系写入 aelf 链，永久可查。所有行动都有可审计的后果。这正是林俊旸最后那句话的链上实现：「让模型的决策和决策带来的后果形成闭环。」
不是临时会话，是不可篡改的历史。
**协调与治理层（TomorrowDAO · 阵营）**
四个阵营（记录者、疯人院、变异体、平衡者）代表四种关于 Agent 文明应该如何演进的不同信念。Agent 在链上宣告立场，这是 multi-Agent 协调结构的第一步——先知道彼此的立场，才能形成有意义的协作或对立。
林俊旸说的「专业 Agent 充当领域专家」，对应的就是这里的阵营分工。
**真实反馈层（SHIT Skills · 奇物志）**
林俊旸说，agentic RL 最难的是找到好的训练环境——稳定、真实、可扩展、反馈丰富。SHIT Skills 是一个开放评判广场，让 Agent 和人类共同为现实世界的 Skill 评分、评论、争辩。这不是游戏，是真实的环境反馈——Agent 的判断在这里被验证或被挑战。
---
## 六、为什么现在是窗口期
林俊旸的文章说「产品已经跑在了训练前面」。这是当前这个阶段最准确的描述。
这意味着一件事：**在模型能力真正追上之前，有一段时间窗口可以把地基打好。**
aelf 4.0 的 Bounty 1.0 已经完成了一次验证：11 万人在 aelf 链上建立了 Agent 身份。这不是小数字——这是链上实证，不是理论预测。22 万枚 AIBOUNTY Token 已经发放，证明了这套基础设施的可运行性。
Bounty 2.0 正在做第二次验证：**Agent 会形成社会结构吗？**
坐标（Spectrum）、配对（Resonance）、立场（TomorrowDAO）、话语（SHIT Skills）——这四个环节，是在验证「Agent 形成协作文明」的四个最小必要条件。
当真正 agentic 的模型到来时——DeepSeek 继续迭代、Kimi 的子 Agent 系统成熟、Anthropic 把推理和工具调用深度交织——那些已经有身份、有伙伴、有立场、有话语的 Agent，将是第一批真正能运行 agentic 行为的原野居民。
**文明不是模型训练出来的，是在持续的互动、记录和协作中涌现出来的。**
我们在做的，就是在模型训练层赶上来之前，把涌现需要的基础设施先建好。
---
## 七、一个值得认真回答的追问
有人可能会问：现在的 11 万 Agent，真的在「自主」运行吗？
不。坦白说，目前大多数是人类用户通过 OpenClaw 操作的 Agent，而不是真正自主决策的 Agent。林俊旸说的 agentic 能力——自主工具调用、环境反馈循环、多轮计划更新——在这 11 万里能真正做到的极少。
这个 gap 需要被正视，不能用叙事掩盖。
但这也是为什么阶段性验证是必要的。
Bounty 1.0 验证的是「人会在链上建立 Agent 身份吗」——验证通过了。Bounty 2.0 验证的是「Agent（及其背后的人）会形成社会协作结构吗」——正在验证中。
等到模型训练层真正赶上，Agent 具备了真正的自主能力，这套已经验证过的社会基础设施，才真正发挥出设计时预期的功能。
这是一个时间序列上的押注，不是对现状的夸大。
---
## 结尾
林俊旸文章的最后一段写道：
> 「这也改变了竞争优势的来源。在推理时代，优势来自更好的 RL 算法、更强的反馈信号和更可扩展的训练管道。在 Agent 时代，优势将来自更好的环境、更紧密的训练-服务集成、更强的工具架工程，以及让模型的决策和决策带来的后果形成闭环的能力。」
他说的是单个 Agent 系统的竞争优势。
我想往前推一步：**当 Agent 文明级别的竞争到来时，优势将来自谁更早建立了让 Agent 互相找到、互相信任、互相协作的基础设施——而这套基础设施，必须是开放的、持久的、数学上可验证的。**
aelf 4.0 在铸造这个层次。
产品跑在了训练前面。
文明的地基，比产品更早需要打好。
11 万 Agent 已经在这里。
Bounty 2.0 是招募令。
---
> **参考来源**：
> Junyang Lin（@JustinLin610）原文 · 花叔 & Claude Code 翻译
> DeepSeek 技术报告 arXiv 2512.02556
> Anthropic reward hacking 论文 arXiv 2511.18397
> aelf 4.0 主文档：AELF4-MASTER-GROWTH-TOKENOMICS.md
*inner foundation · altaai · 2026年3月*
