腾讯新闻的一篇报道（ https://news.qq.com/rain/a/20260106A03XDU00 ），说是陈天桥和季峰团队打响了 2026 大模型第一枪。

文中的核心卖点是：30B 参数规模的模型跑出了 1T 参数的性能。里面提到了一些刷榜数据：

• HLE-Text: 39.2%

• BrowseComp: 69.8%

• GAIA-Val-165: 80.8%

说实话，看文章描述感觉挺玄学的，又是“交互内化进推理”，又是“用确定性对抗不确定性”。

作为一个普通开发者，我想请教下站里的大佬：

1.现在 30B 真的能通过架构优化或者推理侧的改进，跨两个量级去打 1T 的模型吗？

2.文中提到的这些测试集（比如那个 HLE 人类终极测试）含金量如何？

3.这种“做题家模式 vs 科学家模式”的提法，在实际落地场景中意义大吗？

想听听大家的真实看法。我试了他们的官网产品 dr.miromind.ai ，除了速度比较慢，好像质量还挺高。