LatePost 采访罗福莉：我们系统性地谈论了，2026年由Claude Opus 4.6、OpenClaw等技术变量所触发的AI巨震，以及后续结构性影响
这篇 LatePost 对罗福莉的采访，我觉得最值得记住的，不是一句判断。
而是一整套判断之间的连锁反应。
Claude Opus 4.6。
OpenClaw。
1T 基座模型。
从 Pre-train 到 Post-train。
从 Chat 到 Agent。
从模型能力竞争，转向模型、框架、评估、组织、算力调配一起重写的系统竞争。
这些词单独看，都已经很熟。
但这次访谈的价值在于，它把这些原本分散的信号，第一次串成了一个非常完整的产业图景。
也正因此，标题里那句“由 Claude Opus 4.6、OpenClaw 等技术变量所触发的 AI 巨震”，不是修辞。
它说的是一个行业已经开始换底层逻辑的时刻。
真正的巨震，不是某个模型突然更强，而是比较坐标系变了
罗福莉在访谈里反复传递的核心判断，其实非常清楚：
上一个时代的成功，并不天然意味着下一个时代还能领先。
这句话听起来像行业套话。
但放在 2026 年这个时间点，它指向的是一个更具体的事实：
过去几年，大模型行业主要按 Pre-train 的能力去排座次。
谁的数据更大。
谁的参数更多。
谁的基础模型更强。
谁的 Chat 体验更领先。
但现在，这套排序方式开始失效了。
因为竞争重心正在从“把模型预训练得更好”，转向“怎么把模型放进一个更复杂的 Agent 系统里，持续完成长程、多轮、可执行的任务”。
一旦竞争切到这里，优势来源就不再只有模型本身。
而是整个系统。
谁的后训练更强。
谁的 RL scaling 跑得更快。
谁的 Agent 框架更成熟。
谁能让模型在复杂 workflow 里更稳定。
谁能让组织本身更快适应这种范式变化。
这才是“巨震”的真正含义。
不是榜单换了一次位置。
而是赛道本身在换规则。
Claude Opus 4.6 的意义，不只是强，而是它把行业的目标函数改写了
这篇访谈里，Claude Opus 4.6 出现得非常频繁。
但它的重要性，不只是“一个很强的模型”。
它更像一个把行业共同预期重新抬高的锚点。
在罗福莉的表述里，1T 基座模型，是接近 Claude Opus 4.6 水准的重要入场券。
这句话的潜台词非常明确：
行业已经默认，下一阶段的竞争，不是围绕“有没有可用模型”展开。
而是围绕“谁能更快逼近甚至跨越 Opus 4.6 这一档能力边界”展开。
也就是说，Claude Opus 4.6 不只是一个产品。
它成了新的产业基准。
更重要的是，它并不是单纯靠参数堆出来的“静态最强”。
它是在长上下文、复杂任务、编码、Agent 使用体验这些真正接近日常生产力的维度上，重新定义了什么叫顶级模型。
一旦行业共同承认这个锚点，后面的连锁反应就开始发生：
团队会重排研究优先级。
资源会重新分配。
组织会重新组合。
原本在 Chat 时代成立的经验，会迅速过时。
OpenClaw 的冲击，不在于它比 Claude Code 多了几个功能，而在于它展示了“Agent 框架”本身就是变量
我觉得这场访谈里最有穿透力的部分，是罗福莉谈 OpenClaw 的那一整段。
因为她不是在讲一个新产品有多酷。
她讲的是：
原来真正改变格局的，不一定只是模型本身。
也可能是框架。
而且是一个开源、可改、可编排、可沉淀群体智慧的框架。
她最开始对 OpenClaw 是排斥的。
觉得它像 Claude Code 加 IM，加一点更利于交互的产品包装。
但真正使用之后，认知完全变化了。
为什么？
因为 OpenClaw 展示的不是表面功能。
而是一整套“如何弥补模型行动缺陷”的系统设计。
更持久的 memory。
更精细的 context 编排。
更多消息通道。
更主动的定时任务、心跳任务。
更可操纵的多智能体架构。
以及最关键的：它可以被用户自己改。
这件事非常重要。
因为黑盒框架只能让你使用能力。
开源框架却让你参与塑造能力。
Claude Code 的强，是产品完成度和模型上限的强。
OpenClaw 带来的冲击，则是它证明了：
Agent 框架本身，就是一个可以持续进化、持续吸收群体智慧、持续放大中层模型能力的变量。
这会改变大家对“模型 vs 产品”的旧理解。
以后很多竞争，不是模型公司和产品公司二选一。
而是模型、框架、工作流和社区演化如何一起形成闭环。
这次范式切换的真正方向，是从 Chat 时代转向 Agent 时代
如果要把整篇访谈压缩成一句产业判断，我会选这句：
全球大模型军备竞赛的第二场战役，已经从 Pre-train 主导的 Chat 时代，转向 Post-train 主导的 Agent 时代。
这不是话术升级。
它意味着很多东西都要跟着变。
在 Chat 时代，你主要关心的是模型答得好不好。
在 Agent 时代，你关心的是它能不能持续完成任务。
它能不能理解环境。
能不能多轮推进。
能不能调用工具。
能不能记住结构化经验。
能不能在更真实的业务流程里保持稳定。
这就导致一种非常重要的变化：
以前很多 benchmark 高分，并不自动意味着今天的 Agent 能力足够强。
因为那只是“更复杂一点的 prompt + 一点环境反馈”。
而真正工业级可用的 Agent，需要的是一套完整系统。
模型要重新训。
环境要重新搭。
Reward 要重新设。
框架要重新编排。
评估方法也要重写。
所以，真正的范式变化，不只是研究问题变了。
而是整个工程对象变了。
后训练的地位被重新抬高，甚至开始接近与预训练平权
访谈里另一个特别关键的点，是资源分配的变化。
罗福莉提到，在 Chat 时代，研究、预训练、后训练的用卡比例可能非常夸张；而到了今天，一个更合理的比例已经开始向 3:1:1 甚至更激进的方向移动，顶尖团队可能已经接近 1:1。
这背后不是预算调整。
而是产业重心迁移。
如果说过去几年，最重要的事是把基座模型做出来。
那么现在，越来越重要的事变成：
如何把已有基座的潜力，在 Agent 场景里真正激活出来。
怎么构造长程任务。
怎么合成更贴近真实环境的数据。
怎么让模型在复杂交互里更稳。
怎么让 RL 的 scaling 真正在 Agent 任务上成立。
这意味着后训练不再只是“最后再做一下调味”。
它越来越像决定产品真实可用性的主战场。
这也解释了为什么国内团队会突然进入一种非常强烈的加速追赶状态。
因为在 Pre-train 代差没有过去那么大之后，很多团队第一次看到一个窗口：
也许真正决定下一轮名次的，不再是昨天谁积累得更多。
而是谁能更快重写今天的系统。
“代码”之所以成了关键，不只是因为编程需求大，而是因为它天然是长程任务的训练场
访谈里还有一个很值得反复咀嚼的判断：
为什么 Code 这么重要？
不是因为程序员市场够大。
而是因为代码本身，是最适合训练 Agent 能力和长程能力的一类数据与任务。
代码文件之间的关联更强。
上下文依赖更密。
任务链条更长。
执行结果也更容易验证。
这让它天然适合成为从 Chat 时代过渡到 Agent 时代的桥梁。
把软件开发这种长程任务做好，不只是能提升 coding model。
它还会顺手把很多更底层的通用能力带起来：
更好的长上下文建模。
更好的任务分解。
更好的计划与回顾。
更好的环境交互。
更好的执行稳定性。
所以今天大家对 Claude Code、OpenClaw、OpenCode 这些框架的狂热，并不只是开发者情绪。
它们其实在提前暴露下一代通用 Agent 的训练方向。
Code 只是最先成熟的那个训练场。
Skills、Memory、框架可改写性，正在把“人的经验”重新变成训练资源
我觉得这篇访谈最值得产业界警惕的，是它对一种新型数据来源的描述。
也就是：
很多真正重要的智能，不在互联网公开语料里。
而在组织内部。
在任务规范里。
在业务逻辑里。
在人和 Agent 多轮共创后沉淀下来的 Skills 里。
这件事的意义非常大。
因为它说明，预训练不再垄断“能力来源”。
越来越多能力，来自后天沉淀。
来自使用过程。
来自工作流。
来自人主动把经验转成可执行规范。
Skills 之所以关键，不只是它能提高一次任务成功率。
而是它提供了一种新的数据生产方式：
让人主动贡献那些本来不会出现在公开互联网中的高价值经验。
这会改变未来模型能力的来源结构。
谁拥有更强的用户共创机制。
谁拥有更好的 Skill 沉淀机制。
谁就可能拥有更快的能力演化速度。
换句话说，未来的模型训练，越来越不像一次性的“吃数据”。
而更像持续性的“吸收组织经验”。
这场冲击最终会落到组织层面：平权、敏捷和群体智能会变得更重要
技术范式变化，最后一定会传导到组织结构。
这篇访谈最难得的一点，是它不只谈模型。
它还谈组织。
没有职级。
没有小组。
甚至没有 deadline。
平权有利于创新。
这听起来很像理想主义。
但如果放到 Agent 时代的研究环境里，你会发现它很现实。
因为新的研究对象变化太快了。
框架在变。
模型在变。
任务在变。
评估在变。
如果组织仍然靠层层传递信息、按稳定边界分工、靠线性节奏推进，反而会赶不上范式切换。
这也是为什么她会强调 diversity，强调让预训练的人去做后训练，强调团队必须足够敏捷。
Agent 时代不是更细化分工的时代。
反而可能是更强调跨界流动、快速试错和群体协作的时代。
OpenClaw 在团队内部被强推、被多人共同修改、在群里持续迭代的经历，本身就像一个缩微版本：
未来领先 AI Lab 的优势，可能不只是“有更强的人”。
而是“能不能更快形成群体智能闭环”。
所以，这场“AI 巨震”的后续结构性影响是什么？
如果顺着这篇访谈的逻辑往下推，我觉得至少有五个结构性影响已经开始出现。
第一，竞争重心从单点模型能力，转向模型 + 框架 + 后训练 + 评估 + 组织的系统竞争。
第二，后训练和 RL Infra 的战略地位上升，越来越接近与预训练平权。
第三，开源 Agent 框架的重要性上升，因为它们不仅是产品，更是能力放大器、数据生成器和群体协作容器。
第四，代码与长程任务会继续成为通往通用 Agent 的主训练场。
第五，组织形态会被倒逼重写，平权、敏捷、多样性与快速吸收群体经验，会变成越来越核心的研究能力。
这些变化一旦成立，很多旧问题就会自动过时。
比如“模型公司和产品公司谁更重要”。
更准确的问题可能会变成：
谁能最快把模型、框架、社区、组织和训练闭环耦合起来。
结尾：2026 年真正开始的，不是又一轮模型发布，而是行业的二次开局
我觉得这篇采访最有力量的地方，是它没有把 2026 年描述成一次简单升级。
它描述的是一次二次开局。
上一轮领先者，不再天然领先。
上一套研究路径，不再天然有效。
上一种组织方式，也不再天然适配。
Claude Opus 4.6 抬高了锚点。
OpenClaw 暴露了框架变量。
Agent 把竞争从“会不会答”推向“能不能做完”。
Skills 和 Memory 把人类经验重新拉回训练系统。
而后训练与 RL Infra，正在从配角走向舞台中央。
如果这些判断成立，那么 2026 年真正值得被记住的，不是某个模型又赢了一次。
而是整个行业第一次清楚地意识到：
AI 的下一场战争，不再只是模型战争。
而是系统战争。
而一旦进入系统战争，后续所有结构性影响——资源、组织、产品、开源生态、训练方法，都会一起重排。
这，才是这场“AI 巨震”真正开始的地方。
参考
- 原文链接：https://mp.weixin.qq.com/s/zqnJuv5OVsNGEefM7RguqQ
- 参考来源：LatePost / 张小珺《独家对话罗福莉：AI范式已然巨变！》