韩国游戏公司KRAFTON的AI部门发布了Raon-1 mini预览版，30B-A4B混合专家架构，线性注意力加推测解码，主打韩语兼顾英语，Apache 2.0开源。官方称它在编程和智能体任务上能对标Meta Muse Glimmer 30B，速度更快、内存更省，正式版和更大的模型还在后面。
另一边，用户越来越觉得大模型“说话拗口”。每个词都认识，连起来得读两遍；句子看着利落，意思却挤成一团。有论文提出一个猜想：训练中模型追求答对、少用token，慢慢学出压缩表达的习惯，把理解的负担甩给读者。
强化学习到底学到了什么？研究给出了一个很具体的答案：两个token就能触发基座模型的推理能力。Olmo用的前缀是句号加两个换行再加“Okay”，Qwen3-14B用的是带前导空格的“Alright”和逗号。两个token指分词后的两个单位，不等于两个英文单词。预填只发生在回答开头，后面内容仍由模型自己生成。
三件事拼在一起，画面挺清楚：模型在效率上越跑越快，开源尺寸越做越小，但表达方式和触发机制仍藏着不少没讲透的细节。读者读着费劲，研究者还在找开关，厂商已经把预览版推出来了。