摘要：MiroMind公司于2026年1月初发布了其搜索智能体模型MiroThinker 1.5。该模型的核心技术路线为“发现式智能”与“Interactive Scaling”，强调通过与外部世界的信息交互而非单纯扩大参数规模来提升智能。其小型号MiroThinker-v1.5-30B仅有300亿参数，据称能以极低成本实现接近万亿参数大模型的性能，例如在对标Kimi-K2-Thinking时，单次调用成本仅为后者的5%，且在BrowseComp-ZH等评测中超越。模型展示了在A股涨停板预测、美股事件分析等场景的应用实例。
线索：
投资机会：
1. 降本增效潜力：若其宣称的“低成本高效率”（小参数模型媲美大模型）性能属实，将为AI推理服务的大规模商业化应用提供极具竞争力的成本优势，在金融分析、市场研究、前瞻洞察等领域有明确的应用前景和市场空间。
2. 技术范式验证：其“Interactive Scaling”和时序因果约束等理念，挑战了当前主流大模型依赖“Scaling Law”的路径。如果该技术路线被验证为更优，MiroMind可能成为新范式下的技术领导者，具备高成长潜力。
3. 垂类应用先发优势：文中展示的在金融预测（A股、美股）等领域的具体案例，表明其技术可能在特定高价值、强时效性的领域率先落地，形成壁垒。
风险与挑战：
1. 性能宣称待验证：所有性能对比和数据均来自发布方，缺乏独立第三方（如学术机构或权威评测）的全面验证。BenchMark结果（如BrowseComp）的普适性和含金量需要打问号。
2. 技术路径风险：“发现式智能”高度依赖外部信息的质量和获取效率，这在实际应用中可能面临信息源不开放、噪声过大、实时性不足等挑战。其“勤查证”的模式可能影响响应速度，增加系统复杂性。
3. 市场接纳度：当前行业主流依然聚焦于模型参数规模和上下文长度。MiroMind的“反共识”路径需要时间教育市场和开发者，面临来自已建立生态的巨头（如OpenAI、Anthropic、国内大厂）的激烈竞争。
4. 商业化与泛化能力：展示案例多为预测型任务，其技术在其他更广泛的NLP任务（如创作、编程、复杂决策）上的泛化能力未经充分证明。将技术优势转化为稳定、可规模化的商业产品存在不确定性。
正文：
MiroMind公司于1月5日正式发布了其自研的旗舰搜索智能体模型MiroThinker 1.5。该公司由企业家陈天桥与清华大学学者代季峰联合发起，其技术理念源于“发现式智能”的概念，即认为真正的通用智能应依赖于主动研究、查证与修正外部信息的能力，而非仅靠模型内部存储海量知识。
MiroThinker 1.5提供不同参数规模版本。其中，MiroThinker-v1.5-30B拥有300亿参数。据发布方信息，该模型在多项搜索智能体基准测试中，性能比肩众多万亿参数（1T）规模的大模型。在特定评测集BrowseComp-ZH中，其表现甚至超越了部分大模型。与参数规模为其30倍的Kimi-K2-Thinking模型相比，MiroThinker-v1.5-30B的单条调用成本据称为0.07美元，是前者的二十分之一，且推理速度更快。
该模型性能表现的核心技术支持是其提出的“Interactive Scaling”技术路径。MiroMind团队认为，传统依赖扩大模型内部参数数量的模式已触及边际瓶颈。因此，其研发重点转向增强模型与外部的信息交互能力。在训练阶段，该技术被内化为核心机制，具体包括：
1. 主动求证：模型被训练为在推理时，将判断拆解为可验证的子假设，并主动发起外部查询与数据比对。缺乏信源支撑的高置信度输出在训练中会受到惩罚。
2. 多轮校验与自我修正：推理过程被设计为可回溯和修正的循环。当发现证据冲突时，模型必须调整假设而非继续错误推理。
3. 系统性防幻觉：训练中严格过滤那些看似合理但缺乏真实证据的推理捷径，奖励基于证据的推理路径。
此外，模型采用了“时序敏感训练沙盒”技术。该技术通过在训练中施加严格的时间戳与信息可见性约束，确保模型在解决预测类问题时，只能基于历史信息做出判断并验证，避免了数据中“未来信息”的泄露，旨在提升在真实动态环境中的预测和推理能力。
为展示模型能力，发布方提供了以下应用样例：
1. A股涨停板预测：展示了模型在2025年12月10日、11日、12日及15日对A股连板股票晋级情况的预测案例。例如，12月10日在16只连板股中晋级率仅25%的退潮环境下，据称模型从8只二板股中预测中了唯一晋级的一只（跃岭股份）。在后续案例中，也展示了模型在不同市场情绪下选择出继续涨停股票的示例。
2. 美股事件分析：询问下周可能影响美股“七巨头”的大事件，并预期市场反应和潜在波动方向。
3. 游戏发布时间预测：对游戏“GTA 6”能否在明年按时发布进行了分析预测。
（发布方注明，股票预测案例仅为技术展示，不构成投资建议。）
MiroMind目前正面向全球招募人才，并开放了产品体验渠道及相关开源资源链接，包括Hugging Face上的模型下载、GitHub的代码仓库以及开源框架MiroFlow。
发布时间：2026-01-06T13:43:17+00:00
评论 ( 0 )