小米通過“Xiaomi MiMo”公眾號(hào)宣布，正式開源其首個(gè)“為推理而生”大模型——Xiaomi MiMo。該模型在數(shù)學(xué)推理和代碼競(jìng)賽公開測(cè)評(píng)集中展現(xiàn)出卓越性能，以僅7B的參數(shù)規(guī)模，成功超越OpenAI的閉源推理模o1-mini，以及阿里Qwen更大規(guī)模開源推理模型QwQ-32B-Preview。

MiMo由新成立的“小米大模型Core團(tuán)隊(duì)”開發(fā)，旨在通過整合預(yù)訓(xùn)練與后訓(xùn)練技術(shù)，全面提升模型的推理能力。官方表示，MiMo的出色表現(xiàn)得益于多方面的創(chuàng)新，包括數(shù)據(jù)處理和算法優(yōu)化。在預(yù)訓(xùn)練階段，團(tuán)隊(duì)著重挖掘豐富的推理語(yǔ)料，并合成了約200B tokens的推理數(shù)據(jù)，通過三階段訓(xùn)練策略，逐步提升訓(xùn)練難度，總訓(xùn)練量達(dá)到25T tokens。?

后訓(xùn)練階段則采用了高效穩(wěn)定的強(qiáng)化學(xué)習(xí)算法，團(tuán)隊(duì)提出Test Difficulty Driven Reward策略，有效解決了獎(jiǎng)勵(lì)稀疏問題，并引入Easy Data Re – Sampling策略，進(jìn)一步穩(wěn)定RL訓(xùn)練。此外，團(tuán)隊(duì)設(shè)計(jì)的Seamless Rollout系統(tǒng)使RL訓(xùn)練速度提升了2.29倍，驗(yàn)證速度提升1.96倍。?

在實(shí)際應(yīng)用中，MiMo在數(shù)學(xué)推理（AIME 24 – 25）和代碼競(jìng)賽（LiveCodeBench v5）公開測(cè)評(píng)集中的表現(xiàn)尤為突出，展現(xiàn)了其強(qiáng)大的推理能力。這不僅為研究人員和開發(fā)者提供了新的工具，也預(yù)示著小米在AI領(lǐng)域的技術(shù)實(shí)力正不斷增強(qiáng)。?

小米此次開源Xiaomi MiMo，將進(jìn)一步推動(dòng)行業(yè)技術(shù)的發(fā)展，為AI領(lǐng)域注入新的活力。感興趣的開發(fā)者可通過HuggingFace獲取開源代碼，技術(shù)報(bào)告也可在GitHub上查閱。