機(jī)器之心發(fā)布

憑借成功預(yù)測 Polymarket 題目，連續(xù)登頂 Future X 全球榜首的 MiroMind 團(tuán)隊(duì)，于今日（1 月 5 日）正式發(fā)布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(xiàng)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，當(dāng)全行業(yè)都在「卷」參數(shù)規(guī)模、「卷」百萬長文本的紅海時，MiroMind 卻在思考一個更本質(zhì)的問題：智能的「奇點(diǎn)」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 性能評測

MiroMind 團(tuán)隊(duì)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(duì)。

實(shí)力霸榜：指標(biāo)是門檻，預(yù)測是天花板

BrowseComp 性能對比

Agent 搜索評測基準(zhǔn)性能對比

越級挑戰(zhàn)：MiroThinker-v1.5-30B vs Kimi-K2-Thinking

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(shí)現(xiàn)性能超越，證明「大」 不等于 「強(qiáng)」。

核心洞察：從 「做題家模式」 轉(zhuǎn)向 「科學(xué)家模式」

MiroMind 團(tuán)隊(duì)指出，以擴(kuò)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(kuò)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(kuò)展到外部世界。

為什么該模型能在大幅降低成本的同時，性能依然能打？

因?yàn)檫@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。

MiroThinker 1.0中，MiroMind 團(tuán)隊(duì)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(qiáng) —— 這構(gòu)成了與模型大小、上下文長度并列的第三個可擴(kuò)展維度。v1.5 更進(jìn)一步，把這套機(jī)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。

主流大模型往往盲目追求萬億參數(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。MiroMind 團(tuán)隊(duì)強(qiáng)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。

MiroMind 團(tuán)隊(duì)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(jī)制時序因果約束，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(diǎn)，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(yàn)證 - 修正」循環(huán)，引入外部信息作為校驗(yàn)錨點(diǎn)，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。

Training-time Interactive Scaling 技術(shù)

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(jī)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，MiroMind 團(tuán)隊(duì)刻意削弱對「單次完美推理」的獎勵，轉(zhuǎn)而強(qiáng)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(yàn)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(yàn)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(shí)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(yàn)而繞過證據(jù)驗(yàn)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(tuán)隊(duì)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(yàn)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

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(yàn)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(yàn)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(shí)世界的時序邏輯。
• 時序敏感訓(xùn)練機(jī)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(shí)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(shí)世界中的認(rèn)知與決策過程。

樣例展示

Case 1: A 股漲停板預(yù)測

據(jù)介紹，這不是 「玄學(xué)」，更不是事后諸葛亮 —— 而是在信息極度噪聲化、情緒快速切換的盤面里，用開放世界證據(jù) + 因果推斷去賭 「次日正確答案」。（注：以下僅為技術(shù)展示，不構(gòu)成投資建議）

• 12 月 10 日（周三）

對話鏈接：https://dr.miromind.ai/share/07430808-d84d-4e40-9615-bf07d6e71365

• 躍嶺股份｜ 16 只連板股，當(dāng)天晉級僅 4 只，晉級率 25%，市場情緒顯著退潮。MiroMind 在 8 支二板股里，精準(zhǔn)押中唯一晉級成功的那一支。
• 12 月 11 日（周四）

對話鏈接：https://dr.miromind.ai/share/eccc29b9-889b-43f9-b6bf-f4b2b7c8dc1e

• 再升科技｜ 9 只連板股，當(dāng)天晉級僅 2 只，晉級率 22%，市場環(huán)境持續(xù)降溫。MiroMind 命中 9 支連板股中高位晉級者 —— 退潮里選中 「活口」。
• 12 月 12 日（周五）

對話鏈接：https://dr.miromind.ai/share/e9db058d-3e8c-4922-b483-cf5efae2f414

• 再升科技｜13 只連板股，當(dāng)天晉級 7 只，晉級率 54%，情緒強(qiáng)力回暖。MiroMind 不僅命中市場最高連板，還準(zhǔn)確預(yù)判其繼續(xù)晉級（后續(xù)累計漲幅高達(dá) 58%）。
• 12 月 15 日（周一）

對話鏈接：https://dr.miromind.ai/share/3dc7dae0-78cb-4a97-8f61-359ab2d3e1a0

• 華菱線纜｜13 只連板股，當(dāng)天晉級 5 只，晉級率 38%，市場再度明顯降溫。MiroMind 繼續(xù)命中：在情緒回落時仍能穿透噪聲，給出可復(fù)盤的確定性答案。

Case 2: 下周有哪些大事件會對美股七巨頭產(chǎn)生影響？預(yù)期的市場反應(yīng)和潛在波動方向是什么 ？

對話鏈接：https://dr.miromind.ai/share/f4afae1a-21e1-4f6d-8eef-16909c2d7b79

Case 3: GTA 6 明年能按時發(fā)布嗎？

對話鏈接：https://dr.miromind.ai/share/10e5d1fd-c6b6-4b96-a2ed-4b776a3e1dcd

人才招募

MiroMind 面向全球持續(xù)招募人才，簡歷投遞：talent@miromind.ai

產(chǎn)品體驗(yàn)

立即體驗(yàn) MiroMind，免費(fèi)解鎖預(yù)測未來的能力： https://dr.miromind.ai/

• Discord 頻道（#everything-prediction）：https://discord.gg/F7EQFnYscV
• 微信社群（MiroMind 預(yù)測未來）：微信添加小助手 miromind001

• Hugging Face 模型下載：https://huggingface.co/miromind-ai/MiroThinker-v1.5-235B
• Github 代碼地址：https://github.com/MiroMindAI/MiroThinker
• MiroFlow 開源框架：https://github.com/MiroMindAI/MiroFlow