預訓練增長見瓶頸？如何激發模型推理潛能？
這是「Xiaomi MiMo」誕生之初探索的核心問題！
今天， 小米集團開源首個爲推理（Reasoning）而生的大模型「Xiaomi MiMo」，聯動預訓練到後訓練，全面提升推理能力。
港股市場上，小米概念股全線上揚，截至收盤， $金山雲 (03896.HK)$ 飆升逾14%，$金山軟件 (03888.HK)$ 大漲逾7%，$小米集團-W (01810.HK)$ 漲逾5%。
在數學推理（AIME 24-25）和 代碼競賽（LiveCodeBench v5）公開測評集上，MiMo 僅用 7B 的參數規模，超越了 OpenAI 的閉源推理模型 o1-mini 和阿里 Qwen 更大規模的開源推理模型 QwQ-32B-Preview。
強化學習潛力超越經典開源32B模型
隨着DeepSeek-R1引發業界強化學習(RL)共創潮，DeepSeek-R1-Distill-7B和Qwen2.5-32B已成爲廣泛使用的強化學習起步模型。
在相同RL訓練數據情況下，MiMo-7B 的數學&代碼領域的強化學習潛力顯著領先。
預訓練+後訓練，聯動提升推理能力
MiMo推理能力的提升，由預訓練和後訓練階段中數據和算法等多層面的創新聯合驅動，包括：
預訓練：核心是讓模型見過更多推理模式
數據：着重挖掘富推理語料，併合成約200B tokens推理數據。
訓練：進行了三階段訓練，逐步提升訓練難度，總訓練25T tokens。
後訓練：核心是高效穩定的強化學習算法和框架
算法：提出 Test Difficulty Driven Reward 來緩解困難算法問題中的獎勵稀疏問題，並引入 Easy Data Re-Sampling 策略，以穩定 RL 訓練。
框架：設計了Seamless Rollout系統，使得RL訓練加速2.29倍，驗證加速1.96倍。
所有技術細節已經Open，見技術報告：
https://github.com/XiaomiMiMo/MiMo/blob/main/MiMo-7B-Technical-Report.pdf
MiMo-7B全系列已開源
MiMo-7B 已開源4個模型至HuggingFace：https://huggingface.co/XiaomiMiMo
About Xiaomi MiMo
MiMo 來自全新成立不久的「小米大模型Core團隊」的初步嘗試。
2025年雖看似是大模型逐夢的後半程，但我們堅信AGI的征途仍漫長。
我們將從務實創新出發，勇敢探索未知，用思考突破智能邊界，用創造回應每一次好奇。Ask Mi Anything！
編輯/Somer
