一个不到300亿参数的模型，在一项关键测试中击败了参数规模是自己30倍的万亿参数巨头。

近日，由陈天桥与前旷视科技首席科学家代季峰联合创立的MiroMind团队发布了搜索智能体模型MiroThinker 1.5。

这个新模型在多项基准测试中，与参数规模大得多的模型一较高下。

它通过独特的技术路径，用轻量级的参数和显著降低的成本，实现了与大参数模型相媲美的性能。

01 参数与成本

面对参数量高达30倍的万亿参数巨兽Kimi-K2-Thinking，MiroThinker 1.5以极高的效率展示了惊人的性能表现。

根据MiroMind团队公布的数据，MiroThinker 1.5提供了30B（约300亿）参数的轻量版和235B参数（约2350亿）的旗舰版。

30B参数版本与Kimi-K2-Thinking对比的核心数据如下：

该模型不仅在中文基准测试BrowseComp-ZH中实现超越，在英文测试BrowseComp上也达到领先水平。

02 性能表现

在多项权威基准测试中，MiroThinker 1.5系列都展现出了令人瞩目的实力。特别是在HLE-Text、BrowseComp和GAIA-Val-165等测试中表现杰出。

其235B参数的旗舰版在BrowseComp测试中得分达到69.8%，超越了ChatGPT-Agent的68.9%。30B参数的轻量版在保持高效低成本的同时，依然实现了优秀的性能表现。

03 开放与开源

简单说，MiroThinker1.5把"做题家"升级成了"研究员"。

传统大模型靠把知识塞进参数里，遇到不确定的就"编";而MiroThinker把不确定的地方拆成可验证的小问题，主动去网上搜、跑代码、交叉验证，直到证据收敛。

目前，MiroThinker 1.5已提供开源访问，其模型权重已在Hugging Face和Github平台发布。

项目地址：https://github.com/MiroMindAI/MiroThinker

普通用户可通过MiroMind官网免费体验该模型的深度研究功能，而开发者则可以直接获取模型权重，将其集成到自己的项目中。

官方还提供了Docker一键部署，对开发者相当友好。

🚨 Python快速调用示例

from miromind.agent import SearchAgent

agent = SearchAgent.from_pretrained("miromind-ai/MiroThinker-v1.5-30B")

result = agent.search_and_analyze("深圳房价未来半年走势")

print(result)

MiroThinker团队用实际行动证明：AI的未来不在于构建更大的大脑，而在于培养更优秀的研究者。

最打动我的，是它把"规模焦虑"变成了"交互效率"。

当大家都在卷万亿参数时，它用30B告诉我们:与其让模型死记硬背，不如教会它如何查资料、做实验。

这种"科学家模式"不仅让推理更可信，也把成本打下来，真正做到了"小而美"。

关注公众号“脑洞大开AI实验室”，AI技术文章第一时间推送。

更多AI知识请前往脑洞大开AI实验室网站

https://www.ai360labs.com

快来加入吧