北京中关村学院7名博士生，用一个暑假从零训练出一个7B大模型ZGCM-1。随后，他们把各阶段训练数据与配方、模型权重、训练代码、中间checkpoint和日志一并开放，让研究者可以追溯、复现整个流程。在多项通用评测中，ZGCM-1与Qwen3-8B等同规模模型表现相近，在部分数学推理与搜索任务中还能与更大规模模型比较。
比分数更值得关注的是方法。数据、训练、集群、评测这一整套工程，在大厂通常需要几百人协作，七个人很难覆盖。于是他们给自己组建了一支几百个Agent的团队，分头处理数据、跑实验、看日志、做评测，实践「AI4AI」的研发范式。
分工并不简单。他们逐渐分出做数据、跑实验和做评测的Agent子团队，还搭建了类似论坛的任务发布与汇报系统，让任务有人接、进展有地方看、结果能被检查。自研平台把会议讨论与研发决策积累成共享上下文，再把验证过的脚本、工作流与debug经验沉淀为可复用的Skill，后来加入的Agent可以接着此前的经验做事。
但Agent并没有让坑自动消失。一次训练中，loss仍在下降，模型能力却突然退步，最后追到数据分片与shuffle环节——实际送进训练的数据比例发生了波动。此后团队不敢只盯loss，改为更密集地保存checkpoint，并建立把能力拆成18类、183项、2503个探针的评测体系。他们还请核心参与者按L1到L5框架给Agent自主性评级：实验监控与部署到了L4，模型架构与学习算法设计仍在L2。
这与星战科技在AI实训平台与OPC智能体协作平台上关注的方向一致：把模型、Agent、工具与算力组织起来，让人和团队在真实任务中训练与验证。AI实训的价值，不只是教人「会用AI」，而是把人机协作的分工、约束与验收做成可复制的工程能力，让多个智能体能在明确边界内协同并沉淀经验。
效率同样是这套实践的一部分。团队采用局部注意力与全局注意力结合的架构，把上下文从16K逐步扩展到256K；在256K下，相较全注意力方案带来约3.94倍吞吐提升，KV Cache占用降至约六分之一。他们还结合Muon与FP8改善训练效率，并发现SFT阶段更严格的质量筛选让样本减少约44.9%，整体评测反而有所提升。
几个人带着几百个Agent，确实能把许多工作做起来，但距离让AI独立承担整个研发过程还有距离。真正有价值的不只是模型，而是被记录下来的过程。