陳天橋攜MiroThinker 1.5開年登場：跑贏萬億模型，實現(xiàn)小模型大智能

圖片由AI生成

憑借成功預(yù)測Polymarket篩選題目，連續(xù)登頂FutureX全球榜首的MiroMind團隊，正式發(fā)布了其自研旗艦搜索智能體模型MiroThinker 1.5。

MiroMind由全球知名創(chuàng)新企業(yè)家、慈善家陳天橋，與清華大學(xué)知名AI青年學(xué)者代季峰教授聯(lián)合發(fā)起。

去年，陳天橋提出，發(fā)現(xiàn)式智能才是真正意義上的通用人工智能這一重磅創(chuàng)新理念，引發(fā)全球業(yè)內(nèi)人士關(guān)注。他同時提出，建設(shè)發(fā)現(xiàn)式智能的5種關(guān)鍵能力，其中一項能力，是在未知條件下重建對世界的理解，這正是MiroMind的使命。

在過去7個月里，MiroMind在思考一個更本質(zhì)的問題：智能的奇點究竟在哪里？

他們給出的答案不是把世界背進(jìn)參數(shù)里，而是押注“發(fā)現(xiàn)式智能”：真正的智能不靠全知，而靠會研究、會查證、會修正——像頂級情報官一樣對外極速取證、對內(nèi)嚴(yán)苛去偽存真；像嚴(yán)謹(jǐn)研究員一樣在不確定性里逼近真相，最終把預(yù)測未來從特權(quán)變成能力。

MiroThinker 1.5 ：30B參數(shù)，闖入全球搜索智能第一梯隊

MiroMind團隊在AGI競技場上，不信奉“大力出奇跡”，而是追求以高智效比為核心的巧勁。

MiroThinker-v1.5-30B僅用1/30的參數(shù)規(guī)模跑出了比肩眾多1T模型的性能表現(xiàn)，其235B的版本在多個搜索智能體基準(zhǔn)測試中躋身全球第一梯隊。

BrowseComp性能對比

面對參數(shù)量高達(dá)30倍的萬億參數(shù)巨獸Kimi-K2-Thinking，MiroThinker-v1.5-30B用極低的成本展示了旗鼓相當(dāng)?shù)谋憩F(xiàn)：

• 推理成本：MiroThinker-v1.5-30B單條調(diào)用成本低至$0.07，僅為Kimi-K2-Thinking的1/20，且推理更快。
• 性能表現(xiàn)：在關(guān)鍵評測集BrowseComp-ZH中實現(xiàn)性能超越，證明“大”不等于“強”。

MiroThinker團隊指出，以擴大模型內(nèi)部參數(shù)量（Internal Parameters）為核心的傳統(tǒng)Scaling Law已明顯觸及邊際瓶頸；要繼續(xù)提升模型性能，必須從內(nèi)部參數(shù)擴張轉(zhuǎn)向以外部信息交互（External Interaction）為核心的Interactive Scaling，將智能的增長空間從內(nèi)部參數(shù)擴展到外部世界。

Agent搜索評測基準(zhǔn)性能對比

為什么該模型能在大幅降低成本的同時，性能依然能打？

因為這不是大參數(shù)碾壓，而是一次“科學(xué)家模式”對“做題家模式”的勝利。以Scaling Law為代表的路線，更像“做題家”：試圖把全人類知識（也包括噪聲與錯誤）盡可能背進(jìn)模型里；一旦遇到生物學(xué)等領(lǐng)域的未知問題，就容易基于概率分布“編”出一個看似合理的答案——幻覺往往由此產(chǎn)生。

在MiroThinker v1.0中，團隊首次系統(tǒng)性提出Interactive Scaling：隨著工具交互頻率與深度提升，研究式推理能力也穩(wěn)定增強——這構(gòu)成了與模型大小、上下文長度并列的第三個可擴展維度。

v1.5更進(jìn)一步，把這套機制內(nèi)化為貫穿訓(xùn)練與推理全流程的核心能力：將模型訓(xùn)練成“科學(xué)家”，核心不是死記硬背，而是勤查證。遇到難題時，它不會給出概率最高的瞎猜，而是執(zhí)行慢思考的研究閉環(huán)：提出假設(shè)→向外部世界查數(shù)據(jù)/取證→發(fā)現(xiàn)對不上→修正假設(shè)→再查證，直到證據(jù)收斂。

主流大模型往往追求萬億參數(shù)，試圖把整個互聯(lián)網(wǎng)“背”在腦子里。而MiroThinker系列選擇了一條反共識的路線：刻意將模型控制在30B–200B的輕量級規(guī)模。研發(fā)團隊強調(diào)，省下的不是算力，而是把算力花在了更刀刃的地方——對外的信息獲取與交互。

團隊不追求讓模型擁有一顆“最重的腦子”，而是培養(yǎng)它擁有一雙“最勤的手”。當(dāng)模型同時具備研究式確認(rèn)機制與時序因果約束，這種圍繞外部信息獲取的交互過程才讓發(fā)現(xiàn)式智能真正落地——也正是對Interactive Scaling的深耕，使他們用小得多的模型，做到了大模型才能做到的事。

MiroThinker 1.5 核心技術(shù)揭秘

傳統(tǒng)的模型思維鏈本質(zhì)上是在模型內(nèi)部知識空間的線性外推，推理偏差會隨路徑增長而不斷累積，最終導(dǎo)致邏輯坍塌。

MiroThinker 1.5的核心發(fā)力點，在于通過Interactive Scaling打破孤立推理的僵局，將推理與外部環(huán)境深度耦合。通過構(gòu)建“推理-驗證-修正”循環(huán)，引入外部信息作為校驗錨點，用確定性的證據(jù)流來對沖不確定性的推演，解決邏輯坍塌問題。

當(dāng)智能的Scaling范式，不再局限于模型內(nèi)部龐大的世界知識儲備與縝密的長程邏輯推理，而是依托模型高頻與外部世界中探索與交互并獲得閉環(huán)反饋時，小而高效的探索者模型能展現(xiàn)比肩于，甚至超出大而嚴(yán)謹(jǐn)?shù)乃伎颊吣Ｐ偷闹橇λ健?/p>

MiroThinker 1.5正是基于這一判斷，將Interactive Scaling從推理階段的外掛能力，前移并內(nèi)化為訓(xùn)練階段的核心機制。模型并非被要求盡量在腦中想清楚一切，而是被系統(tǒng)性地訓(xùn)練成一個善于向外求證、敢于否定自己、能夠快速修正路徑的Agent。

在訓(xùn)練過程中，研發(fā)團隊刻意削弱對“單次完美推理”的獎勵，轉(zhuǎn)而強化以下行為模式：

• Evidence-Seeking（主動求證）：模型被鼓勵將每一個關(guān)鍵判斷拆解為可驗證的子假設(shè)，并主動發(fā)起對外查詢、檢索與比對。結(jié)論本身不再是訓(xùn)練目標(biāo)，找到可靠證據(jù)的過程才是。缺乏信源支撐的高置信輸出，會在訓(xùn)練中被系統(tǒng)性地懲罰。
• Iterative Verification（多輪校驗與自我修正）：推理不被視為一次性路徑，而是一個可反復(fù)回溯、修正的過程。模型在交互中被要求不斷對已有判斷進(jìn)行反證測試，一旦發(fā)現(xiàn)證據(jù)沖突，必須顯式調(diào)整假設(shè)，而非“帶著錯誤繼續(xù)推下去”。
• Anti-Hallucination（對捷徑的系統(tǒng)性過濾）：對那些看起來合理、但缺乏真實依據(jù)的推理捷徑保持零容忍。訓(xùn)練中不僅評估答案是否正確，更關(guān)注答案是如何得到的：任何依賴統(tǒng)計相關(guān)性、模式記憶或隱含先驗而繞過證據(jù)驗證的路徑，都會被標(biāo)記為低質(zhì)量推理。

通過這種訓(xùn)練方式，MiroThinker 1.5逐步形成了一種本能反應(yīng)：在不確定性面前，先交互、再判斷；在高風(fēng)險結(jié)論前，先查證、再收斂。這使得模型不再需要將龐大的世界知識全部內(nèi)化為參數(shù)，而是學(xué)會在需要時，快速、精準(zhǔn)地向外部世界借力。

最終，團隊用更小的參數(shù)規(guī)模，換來了更高的智能密度：不是讓模型記住更多，而是讓它學(xué)會如何找到、驗證并使用信息。這正是MiroThinker 1.5能在顯著降低推理成本的同時，依然保持一線性能的根本原因。

時序敏感訓(xùn)練沙盒，是破解因果律的鑰匙：普通大模型訓(xùn)練常處在上帝視角——它在數(shù)據(jù)里早已見過結(jié)果，學(xué)到的往往是復(fù)述與劇透，而不是預(yù)測。MiroThinker的訓(xùn)練則約束模型只能看過去，不能看未來，在嚴(yán)格的時間可見性約束下做判斷，再用同樣受時序約束的證據(jù)去驗證與更新。

• 可控數(shù)據(jù)合成引擎：構(gòu)建覆蓋多任務(wù)類型的、難度與時間戳可控的數(shù)據(jù)合成體系。每一道題目的“正確答案”并非靜態(tài)標(biāo)簽，而是隨時間戳動態(tài)演化；模型必須在嚴(yán)格的信息可見性約束下，基于當(dāng)時可獲取的信息做出判斷，而校驗過程同樣顯式引入時間戳約束，以確保推演與評分均符合真實世界的時序邏輯。
• 時序敏感訓(xùn)練機制：采用嚴(yán)格的時間戳與信息可見性約束，徹底杜絕Future Leakage；模型在訓(xùn)練過程中的每一步只能與發(fā)表于當(dāng)前時間戳之前的信息進(jìn)行交互。

在這種訓(xùn)練范式下，模型被迫學(xué)會在信息不完備、噪聲存在、信號延遲的真實條件下進(jìn)行推演與修正，而不是依賴靜態(tài)數(shù)據(jù)集中的標(biāo)準(zhǔn)答案。時間由此從一個背景變量，轉(zhuǎn)變?yōu)樗茉炷Ｐ托袨榕c推理方式的核心約束，使模型更接近真實世界中的認(rèn)知與決策過程。（作者｜李程程，編輯｜李玉鵬）