2026年1月5日,由盛大集团创始人陈天桥与前旷视科技首席科学家代季峰联合创立的MiroMind团队正式发布旗舰搜索智能体模型MiroThinker 1.5。这款模型以30B参数量实现了堪比万亿级模型的性能表现,在业界引发轰动,为大模型发展开辟出全新路径。
在全行业疯狂追逐参数规模与百万级上下文长度的红海竞争中,MiroMind团队另辟蹊径,通过"交互式扩展"(Interactive Scaling)技术,用仅1/30的参数规模跑赢众多主流万亿参数模型,推理成本更是降至竞品的1/20。这一突破性进展印证了AI发展的核心命题:智能的本质不在于记住全世界,而在于懂得如何"发现"。
性能超越:小体量撬动大能力
MiroThinker 1.5系列推出两个版本:30B参数的轻量版与235B参数的旗舰版。在多项权威基准测试中,该系列模型展现出令人瞩目的实力表现。
在BrowseComp标准测试中,MiroThinker-v1.5-235B得分达到69.8%,超越ChatGPT-Agent的68.9%;而30B版本以56.1%的成绩,在参数量远低于GPT-5.1-High(358B)、GLM-4.7(358B)等模型的情况下仍表现优异。
更引人注目的是与Kimi-K2-Thinking的对标表现。面对这一参数规模达万亿级的竞品,MiroThinker-v1.5-30B不仅在BrowseComp-ZH测试中实现4.5%的性能领先,在推理成本上更是实现压倒性优势——单次调用成本仅为0.07美元,是对手的1/20,且推理速度更快。这一对比充分证明:"更大"未必意味着"更强"。
在其他搜索智能体基准测试中,MiroThinker系列同样持续霸榜,多次跻身全球第一梯队。该团队此前在Polymarket筛选问题预测和FutureX全球排行榜上的持续领先表现,也进一步验证了模型在真实场景下的应用价值。
技术内核:从"考生模式"到"科学家模式"
传统大模型遵循的Scaling Law本质上是通过海量参数存储人类知识,这种"考生模式"试图将互联网内容全部记忆到模型内部。当遇到生物学等专业领域未知问题时,模型往往会基于概率分布"编造"看似合理的答案——这正是AI幻觉(Hallucination)产生的根源。
MiroThinker团队提出的解决方案是范式转换:从"内部参数扩展"转向以"外部交互"为核心的交互式扩展(Interactive Scaling)。这一理念在MiroThinker 1.0版本中首次系统性提出,强调随着工具交互频率与深度增加,研究型推理能力会稳步增强,构成继模型规模、上下文长度之外的第三个可扩展维度。
MiroThinker 1.5将这一机制进一步深化,内化为贯穿训练与推理全流程的核心能力。模型被训练成一个"科学家"角色,核心能力不是死记硬背,而是勤于验证。当遭遇难题时,不再给出最高概率猜测,而是执行"慢思考"研究循环:提出假设→查询外部世界获取数据与证据→发现不匹配→修正假设→再次验证,直至证据收敛。
开发团队特意将模型参数控制在30B-200B的轻量级规模,并非节省算力,而是将算力投入到最重要的环节——外部信息获取与交互。团队追求的不是给模型配备"最重的大脑",而是培养它拥有"最勤勉的双手"。当模型同时具备研究型确认机制与时间因果约束时,围绕外部信息获取的交互过程真正实现了"发现式智能",这也是小参数模型能够达成大模型能力的底层逻辑。
训练创新:两大关键技术支撑
训练阶段的交互式扩展
传统思维链(CoT)建模本质上是模型内部知识空间的线性外推,推理偏差随路径延长不断累积,最终导致逻辑崩溃。MiroThinker 1.5通过将交互式扩展从推理阶段的附加能力前移至训练阶段的核心机制,从根本上破解了孤立推理的困局。
在训练过程中,团队刻意弱化对"完美一次性推理"的奖励,转而强化以下行为模式:
证据探寻(主动验证):鼓励模型将每个关键判断拆解为可验证的子假设,主动发起外部查询、检索与比对。训练目标不再是结论本身,而是寻找可靠证据的过程。缺乏来源支持的高置信度输出在训练中被系统性惩罚。
迭代验证(多轮校验与自我纠正):推理不被视为一次性路径,而是可反复回溯与修正的过程。模型需要在交互中持续对现有判断进行反证测试,一旦发现证据冲突,必须显性调整假设,而非"带着错误继续推理"。
反幻觉(系统性过滤捷径):对"看似合理但缺乏实际依据"的推理捷径零容忍。训练评估的不仅是答案是否正确,更重要的是答案如何获得;任何依赖统计关联、模式记忆或隐性先验而绕过证据验证的路径,都被标记为低质量推理。
通过这种训练方式,MiroThinker 1.5逐步形成"本能反应":面对不确定性,先交互再判断;面对高风险结论,先验证再收敛。这使得模型不再需要将海量世界知识完全内化为参数,而是学会在需要时快速精准地从外部世界"借力"。
时间敏感训练沙盒
时间敏感训练沙盒是破解"因果律"难题的关键所在。标准大模型训练往往站在"上帝视角"——模型在静态训练数据中看到最终答案,导致后见之明偏差(Hindsight Bias),模型只是在回忆过去,而非预测未来。
MiroThinker的时间敏感训练沙盒强制模型在严格的时间可见性约束下学习推理:只能与问题特定时间戳之前发布的信息交互。
可控数据合成引擎:构建覆盖多种任务类型、难度与时间戳可控的数据合成系统。每个问题的"正确答案"不是静态标签,而是随时间戳动态演化;模型必须在严格信息可见性约束下,基于当时可获取的信息做出判断,验证过程同样显性引入时间戳约束,确保推理与评分均符合真实世界时间逻辑。
时间敏感训练机制:采用严格的时间戳与信息可见性约束,彻底消除未来泄露(Future Leakage);模型训练中的每一步只能与当前时间戳之前发布的信息交互。
在这种训练范式下,模型被迫在信息不完整、存在噪音、信号延迟的真实条件下学习推理与修正,而非依赖静态数据集中的"标准答案"。时间从背景变量转化为塑造模型行为与推理方式的核心约束,让模型更接近真实世界的认知与决策过程。
应用场景:从金融市场到文化娱乐
MiroThinker 1.5在多个实际应用场景中展现出强大能力。在金融市场分析中,模型可深度研判影响美股纳斯达克指数的重大事件及其可能影响;在娱乐文化领域,能够预测2026年奥斯卡最佳影片提名热门;在体育竞技方面,可分析2026年超级碗晋级球队可能性。
目前,用户可通过MiroMind官网免费体验该模型的深度研究功能,模型权重已在Hugging Face与Github平台开源,供开发者与研究者探索使用。
技术理念:更好的研究者,而非更大的大脑
MiroMind团队由知名企业家陈天桥与AI科学家代季峰共同创立,致力于构建"原生智能"(Native Intelligence)——通过交互而非记忆进行推理的AI系统。团队坚信,这是通往更强大、更可靠、更高效AI系统的正确路径。
这一理念在2026年大模型军备竞赛的开年之际显得尤为珍贵。当业界普遍沉迷于"暴力美学"般的参数堆砌时,MiroThinker团队用实际行动证明:AI的未来不在于构建更大的大脑,而在于培养更优秀的研究者。智能的奇点不是"把世界记进参数",而是"发现式智能"——真正的智能不依赖无所不知,而在于具备研究、验证与纠错的能力。
正如顶级情报官员能够在外部快速搜集证据的同时,在内部严格辨别真伪;如同严谨的研究者在不确定性中逼近真相,最终将"预测未来"从特权转化为能力。这或许才是通向AGI的更具效率与可持续性的技术路线。
AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说
AITOP100平台官方交流社群二维码：
