週三，中概AI算力股拉昇，金山雲一度漲超12%，萬國數據漲超6%，世紀互聯漲超5%。今天，小米開源首個爲推理而生的大模型「Xiaomi MiMo」。

今天，小米開源首個爲推理（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。

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。