一个人、3.5 个月、不到 1000 万美元，训出一个 100B–500B 的代码基座模型

最近看到一条消息，让我重新想了想“一个人能干多大的活”这个问题。

据 Import AI 第 478 期转述 Mirendil 官方帖，以及多家中文媒体的报道：Mirendil 的一名全职研究员，用 3.5 个月、不到 1000 万美元的算力（含全部前期探索实验和最终训练），从一个空白代码仓库起手，预训练出了参数量在 100B 到 500B 之间的代码基座模型 Mirendil-Base。

更关键的是，这个过程中超过 99% 的工程代码，是由 AI agent 编写、运行，并且自己诊断报错的。

一、人只做了三件事

在这个项目里，人类研究员只负责三件事：定方向、分配算力、判断结果是否可信。

写代码、跑实验、排查报错，这些过去要一个工程团队做的活，全部交给了 agent。

二、成绩怎么看，别看歪

官方给出的是代码上的预测损失（数值越低越好）：Mirendil-Base 为 0.222，Nemotron-550B-Base 为 0.247，DeepSeek-V4-Pro-Base 为 0.243，GLM-5.3 为 0.242，Kimi-K3 为 0.193。

这里有两点要说清楚。第一，这是预测损失，不是能力 benchmark，不能简单写成“打败了 DeepSeek”。第二，GLM 和 DeepSeek 之间只差 0.001，这种排序本身就经不起强调。

另外，他们用了 7 个“训练截止之后才公开”的外部代码仓库作为测试集，并且声明没有使用未授权数据、没有蒸馏、没有合成数据。后续还有更大的 Large 版（500B–2T，训练进度 80%）和 XL 版（2T–10T，训练进度 19%）。

官方自己也加了一句很克制的话：“我们不认为已达完全自主的递归自我改进，但比以往任何时候都更接近。”

三、对独立开发者意味着什么

一年前，这种规模的事情通常需要十人以上的团队。现在，瓶颈从“管理一个工程师组织”，变成了“算力和资本的密度，加上一个人的判断力”。

同一天还有两件事指向同一个方向：有团队用一份 112 页的计划加一群 agent，在一周左右把一篇数学论文自动形式化；ProgramBench 这种“从二进制重建整个程序”的测试，五个月里从 0% 涨到了 18.5%。

我的理解是：人的位置正在从“执行”退到“判断”。

对我们这些独立开发者来说，这是一笔可以自己算的账：你手里的判断力值多少钱，你能调动多少 agent，你愿意把哪些执行交出去。

信源：Import AI 478（转述 Mirendil 官方帖），以及腾讯《AI 一周观察 2026W43》、网易、DoNews 等报道。

欢迎在 X 上交流：https://x.com/ai_voyager168