孟繁青认为，后训练门槛降低，核心在于数据质量，而国内模型在预训练架构上已有创新（如 Kimi Linear、DeepSeek 注意力机制），后训练数据积累相对薄弱，依赖蒸馏加速追赶，但蒸馏并非决定性因素。RSI 是模型在环境中持续迭代改进，本质是更聪明的搜索，依赖预训练内化的世界模型。数据需求从普通标注转向合成数据，合成数据需结合复杂环境和高质量评分，未来机会在 RSI 数据。模型竞争最终拼算力和组织架构，而 AI4S 成为模型厂展示能力的新方向。Evolvent AI 定位为模型厂与应用层之间的中间层，发布 RSIBench-Data 基准，招聘更看重工程能力。