做題家vs科學家：一個30B模型如何顛覆萬億參數的AI軍備競賽

整個行業都在比誰的參數更大、誰的上下文更長時，你有沒有想過一個問題：智能的本質到底是什么？是把整個互聯網塞進參數里，還是學會如何在需要時精準地找到并驗證信息？當所有人都在用蠻力堆砌萬億參數的"做題家模型"時，陳天橋和代季峰卻選擇了一條完全相反的路：用30B參數的"科學家模型"，跑出了萬億參數模型的性能。這不是什么漸進式改良，而是對整個AI發展路徑的根本性反思。

2026年1月5日，由陳天橋和清華AI學者代季峰聯合發起的MiroMind團隊，正式發布了自研旗艦搜索智能體模型MiroThinker 1.5。這個消息本身并不算特別，畢竟最近幾個月幾乎每周都有新模型發布。但當我深入了解后發現，這個模型背后代表的思路，可能會徹底改變我們對AI能力邊界的認知。它用僅30B參數的版本，在多個基準測試中跑出了與萬億參數模型旗鼓相當甚至更好的表現。更關鍵的是，它的推理成本只有同類模型的1/20，推理速度還更快。這聽起來像是在違反物理定律，但MiroMind團隊卻找到了一個非常有說服力的解釋：他們沒有讓模型變成一個死記硬背的"做題家"，而是訓練它成為一個會主動查證、反復驗證、不斷修正的"科學家"。

參數競賽的盡頭在哪里

我一直在思考一個問題：為什么大模型發展到現在，大家都在拼命堆參數？從幾十億到幾百億，再到現在動輒上萬億，參數規模的增長似乎永無止境。背后的邏輯其實很簡單，就是所謂的Scaling Law：模型越大，能力越強。這個規律在過去幾年確實有效，每次參數翻倍，模型性能都會有顯著提升。但我越來越感覺到，這條路可能正在接近它的天花板。

想想看，把參數從1000億增加到10000億，需要10倍的算力、10倍的訓練時間、10倍的成本。但性能提升有10倍嗎？顯然沒有。邊際收益遞減的規律在這里體現得淋漓盡致。更重要的是，即使你把整個互聯網的內容都塞進模型參數里，它還是會出現幻覺，還是會在遇到訓練數據中沒見過的問題時給出錯誤答案。因為它本質上只是在做模式匹配和統計推斷，并不是真正的理解和推理。

MiroMind團隊提出的"做題家模式"這個比喻特別貼切。傳統大模型就像一個死記硬背的學生，試圖把所有知識都裝進腦子里，考試時靠記憶和題感作答。這種方法在應對見過的問題時確實有效，但一旦遇到新問題，就只能靠概率猜測，給出一個"看起來合理"的答案。這就是為什么大模型經常會一本正經地胡說八道，因為它們并不知道自己不知道什么，只是根據統計規律拼湊出一個答案。

而MiroThinker 1.5代表的是另一種思路，團隊稱之為"科學家模式"。它不是試圖記住所有知識，而是學會如何進行研究：遇到問題先提出假設，然后主動去外部世界查找證據，發現證據不符就修正假設，再次查證，不斷迭代直到證據收斂。這個過程和真正的科學研究如出一轍，也是人類解決復雜問題的方式。關鍵區別在于，它不是在參數空間里閉門造車，而是不斷與外部世界交互驗證。

MiroThinker-v1.5

Interactive Scaling：智能增長的第三維度

我認為MiroMind團隊最大的貢獻，不是做出了一個性能更好的模型，而是系統性地提出了"Interactive Scaling"這個概念。過去我們談論模型能力的擴展，主要關注兩個維度：模型參數規模和上下文長度。參數越大，理論上能存儲的知識越多；上下文越長，能處理的信息越多。但MiroMind指出了第三個維度：與外部世界的交互頻率和深度。

這個觀點聽起來簡單，但意義深遠。傳統的Scaling Law本質上是在擴展模型的"內存"，試圖把世界知識都裝進參數里。但世界是無限的，參數是有限的。無論你的模型有多大，總有它沒見過的知識、沒學過的概念、沒經歷過的情況。而Interactive Scaling的思路是：與其把有限的算力都用來擴大內存，不如訓練模型學會高效地"借力"——在需要時快速從外部世界獲取信息。

MiroThinker 1.5在訓練階段就把這種交互能力內化了。它不是把Interactive Scaling當作推理時的外掛功能，而是從訓練開始就系統性地強化這種行為模式。具體來說，訓練過程中會刻意削弱對"單次完美推理"的獎勵，轉而強化三種核心能力：主動求證、多輪校驗與自我修正、以及對推理捷徑的系統性過濾。

主動求證這個能力特別關鍵。模型被訓練成會把每個關鍵判斷拆解為可驗證的子假設，然后主動發起對外查詢、檢索和比對。它不會滿足于給出一個"看起來合理"的答案，而是要找到可靠的信源支撐。如果輸出缺乏證據支持，在訓練中會被系統性懲罰。這就培養了模型的一種本能：在不確定時，先查證再判斷。

多輪校驗與自我修正則讓模型學會了"慢思考"。推理不再是一次性的線性路徑，而是可以反復回溯和修正的過程。當模型發現證據沖突時，它會顯式調整假設，重新查證，而不是帶著錯誤繼續推下去。這就避免了傳統思維鏈推理中常見的問題：一旦某一步出錯，后面的所有推理都會隨著錯誤累積而崩潰。

最后是反幻覺機制。訓練中不僅評估答案是否正確，更關注答案是如何得到的。那些依賴統計相關性、模式記憶或隱含先驗而繞過證據驗證的路徑，都會被標記為低質量推理。這種訓練方式讓模型形成了一種習慣：在高風險結論前，必須先查證再收斂。

通過這種方式，MiroThinker 1.5用更小的參數規模，換來了更高的智能密度。它不需要記住所有知識，只需要知道如何在需要時快速、精準地找到并驗證信息。這就是為什么30B參數的模型能跑出萬億參數模型的性能——因為它的智能增長空間不在內部參數，而在外部交互。

時序敏感訓練：破解因果律的關鍵

除了Interactive Scaling，MiroThinker 1.5還有一個獨特的技術創新：時序敏感訓練沙盒。這個技術解決了一個長期困擾大模型的根本性問題——如何真正預測未來，而不是復述已知結果。

我發現很多人在談論大模型的"預測能力"時，其實混淆了兩個概念。傳統大模型在訓練時通常處于一種"上帝視角"，它在訓練數據里早已"見過結果"，所學到的往往只是如何復述這些結果，而不是真正的預測。這就像讓學生做練習題，但題目和答案都已經告訴他了，他只需要記住就行。這種訓練方式培養不出真正的預測能力。

MiroMind團隊設計的時序敏感訓練沙盒，為模型戴上了一個"緊箍咒"：嚴格約束只能使用當前可見的信息，在信息可見性受限的情況下做出判斷。這個約束貫穿整個訓練過程，模型的每一步推理都只能訪問當前時間戳之前的信息，從機制上徹底杜絕了"未來信息泄露"的可能性。

具體實現上，團隊構建了一個可控數據合成引擎，能夠生成覆蓋多任務類型、難度和時間戳都可控的訓練數據。關鍵是，每道題目的"正確答案"不是靜態標簽，而是隨時間戳動態演化的。模型必須在嚴格的信息可見性約束下，基于當時可獲取的信息做出判斷，而校驗過程同樣會顯式引入時間戳約束，確保推演與評分都符合真實世界的時序邏輯。

更令我感興趣的是，這些預測不是"玄學"或事后諸葛亮，而是可以完全復盤驗證的。團隊提供的每個案例都有完整的思考過程記錄，可以看到模型是如何收集信息、如何分析情緒面和板塊走勢、如何在多個候選中做出選擇的。這種可驗證性正是時序敏感訓練帶來的：模型被迫學會在信息不完備、噪聲存在、信號延遲的真實條件下進行推演與修正。

實測體驗：城鎮人口增長

我花了相當長時間測試MiroThinker 1.5的實際表現，選了一個需要跨時間數據分析的問題："從1949年到2009年，中國城鎮人口數量年均增長百分之多少？"這個問題特別有意思，因為它需要模型找到可靠的歷史統計數據，理解年均增長率的計算方法，還要確保數據源的權威性。

MiroThinker 1.5的回答過程讓我印象深刻。它首先梳理了自己需要收集的所有信息：1949年中國城鎮人口基數、2009年城鎮人口數據、數據來源的可靠性驗證。然后逐一查證，還會在每個步驟中反思驗證當前數據的準確性。比如它會交叉對比國家統計局、歷年統計年鑒等多個權威來源的數據，確保數字的一致性。

最終給出的結論很嚴謹，整個推理過程透明可見，數據來源清晰標注，計算步驟完整展示。我注意到MiroThinker 1.5從不會直接給出一個數字就完事，而是會呈現完整的數據獲取、驗證和計算過程，讓用戶可以完全復現和檢驗。

實測城鎮居民增長案例

通過這些實測，我最深刻的感受是：MiroThinker 1.5確實實現了從"給答案"到"找答案"的轉變。它不是告訴你一個結論讓你相信，而是展示完整的研究過程讓你理解。這種透明性和可驗證性，對于需要高置信度決策的場景來說，價值遠超一個簡單的答案。

想自己試試的朋友可以訪問：https://dr.miromind.ai/

基準測試：用數據說話

當然，實際體驗只是一方面，更客觀的評價還是要看基準測試。MiroThinker 1.5在多個權威基準測試中的表現都達到了全球第一梯隊水平。

在BrowseComp測試中，MiroThinker 1.5的表現尤為亮眼。這是一個專門針對網頁檢索類大模型的基準測試，要求模型能夠在互聯網環境中高效搜索、理解和整合信息。MiroThinker 1.5的235B版本在英文測試中得分69.8%，在中文版本中更是達到71.5%，直接刷新了此前ChatGPT-Agent保持的榜單紀錄。

BrowseComp 性能對比

在GAIA驗證集測試中，MiroThinker 1.5達到了82.4%的準確率。GAIA是一個評估AI agent真實世界任務完成能力的基準，包含需要多步推理、工具使用和復雜決策的任務。這個成績超過了OpenAI Deep Research的67.4%，證明了MiroThinker 1.5在復雜任務處理上的優勢。

HLE測試的結果同樣令人印象深刻。這是一個號稱"人類終極測試"的基準，包含大量需要深度推理和世界知識的問題。MiroThinker 1.5在HLE-Text測試中達到29.5%，與DeepSeek-V3.1的29.8%幾乎持平，而后者的參數規模要大得多。

更值得關注的是FutureX基準測試。這是一個專門評估模型預測未來事件能力的基準，MiroMind在2025年9月15日登頂排行榜第一，并保持了4個月的第一。他們將GPT-5對未來事件的預測準確率提升了11%，這個提升幅度非常顯著。

這對AI行業意味著什么

我認為MiroThinker 1.5的意義遠超一個性能優異的模型本身。它代表了AI發展路徑的一次重要反思，提出了一個根本性問題：我們是要繼續在參數規模的紅海里拼資源，還是探索更智能、更高效的增長路徑？

過去幾年，AI行業陷入了一種"軍備競賽"的狀態。每家公司都在比拼誰的模型更大、誰的訓練數據更多、誰的算力更強。這種競爭推動了技術進步，但也導致了資源的極度消耗和邊際收益的遞減。當模型參數從千億增加到萬億，訓練成本可能增加十倍，但性能提升可能只有30%。這種投入產出比顯然是不可持續的。

MiroThinker 1.5的出現，提供了一個完全不同的思路：與其把有限的算力都用來擴大模型內部的知識存儲，不如訓練模型學會如何高效地與外部世界交互。這個思路的核心在于認識到，智能不等于全知，而是等于會學習、會查證、會推理。一個30B參數的模型，如果知道如何精準地從外部世界獲取信息，就能解決那些需要萬億參數才能記住的問題。

從技術演進的角度看，Interactive Scaling可能會成為繼模型規模、上下文長度之后的第三個核心擴展維度。未來的模型競爭，可能不再是比誰的參數更多,而是比誰的交互能力更強、驗證機制更嚴密、自我修正能力更好。這種轉變會從根本上改變AI系統的架構設計和訓練方法。

對于開發者和企業來說，這意味著更低的部署成本和更高的可解釋性。一個30B參數的模型可以在單張RTX 4090上運行，這讓更多中小企業和個人開發者能夠使用先進的AI能力。而且由于MiroThinker 1.5的推理過程是透明可見的，企業可以更好地理解和控制AI的決策過程,這對于需要合規性和可審計性的應用場景特別重要。

網站：https://dr.miromind.ai/

Github代碼：https://github.com/MiroMindAI/MiroThinker

Hugging Face模型：https://huggingface.co/miromind-ai/MiroThinker-v1.5-235B

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。