【量子位 2026年1月6日讯】当整个AI行业还在为“万亿参数模型”狂热时，前首富陈天桥与清华AI学者代季峰联手抛出“反卷”利器——1月5日，二人领衔的MiroMind团队正式发布搜索智能体模型MiroThinker 1.5。这款仅含30B/235B参数的模型，不仅在BrowseComp（网页检索基准测试）中以69.8分刷新ChatGPT-Agent保持的纪录，更以单条调用成本0.07美元（仅为1T参数模型Kimi-K2-Thinking的1/20）、推理速度提升3倍的优势，彻底打破“参数越大越强大”的行业迷信，为大模型发展开辟“交互驱动智能”的新路径。
据悉，MiroThinker 1.5已同步开源模型权重与代码，支持个人开发者通过Hugging Face或GitHub快速部署，上线首日体验入口（https://dr.miromind.ai/）访问量突破50万次，全球150余个国家的开发者参与测试。
一、性能颠覆：小参数硬刚全球顶尖模型，四项基准测试跻身第一梯队
MiroThinker 1.5的“杀伤力”，首先体现在与国际顶尖模型的直接对决中。在HLE-Text（人类终极测试）、BrowseComp等四项权威基准测试中，其235B版本交出亮眼成绩单，尤其在中文场景与网页检索任务中展现绝对优势：
| 测试项目 | MiroThinker 1.5（235B） | GPT-5-High | Gemini-3-Pro | 行业平均水平 |
|---|---|---|---|---|
| HLE-Text | 39.2% | 41.7% | 45.8% | 35% |
| BrowseComp | 69.8% | 54.9% | 37.8% | 48% |
| BrowseComp-ZH（中文） | 71.5% | 63.0% | 51.6% | 55% |
| GAIA-Val-165 | 80.8% | 76.7% | 74.8% | 68% |
更令人惊叹的是参数与性能的“倒挂”：30B版本的MiroThinker 1.5，在BrowseComp-ZH测试中以66.8分超越1T参数的Kimi-K2-Thinking（62.3分），实现“用1/30参数跑赢30倍规模模型”的突破。在实时性测试中，该模型处理“2026世界杯胜率预测”“GTA 6发售时间分析”等复杂任务时，从信息检索到输出结论仅需2分钟，推理速度较Kimi-K2-Thinking快2.8倍。
二、技术破局：放弃“堆参数”，靠“交互智能”重塑推理逻辑
MiroThinker 1.5的逆袭，核心在于摒弃传统大模型“死记硬背”的路径，转而构建“主动求证、多轮修正”的交互型推理体系，这也是陈天桥团队提出的“发现式智能”理念的首次落地：
1. Interactive Scaling：把“外部交互”内化为训练机制
不同于传统模型依赖内部参数扩张知识储备，MiroThinker 1.5将“与外部世界的交互”作为核心能力。训练阶段，模型被要求将每个关键判断拆解为可验证的子假设，通过主动调用搜索工具、比对信源、修正矛盾，形成“假设-查证-修正”的闭环。例如分析A股连板股时，模型会先检索当日指数数据、板块热度、个股公告，发现“再升科技实控人减持”的风险信息后，重新调整其晋级概率评估，而非依赖历史数据盲目判断。
这种机制让模型摆脱“知识过时”的困境——即使面对2026世界杯分组名单变动、R星官方延迟发布GTA 6等突发信息，也能通过实时交互更新结论，避免传统模型“复述旧知识”的尴尬。
2. 时序敏感训练：杜绝“上帝视角”，模拟人类真实决策
为解决大模型常见的“未来信息泄露”问题（即训练时提前接触未来数据），MiroMind团队搭建“时序敏感训练沙盒”：所有训练数据均带有时间戳，模型仅能访问“当前时间点之前”的信息，需像人类一样在信息不全、存在噪声的环境中推演。
以预测GTA 6发售时间为例，模型仅能依据2026年初已公开的R星官方声明、开发进度报道，而非“预知”后续可能的延迟消息，最终得出“2026年11月19日为大概率发售日，无证据支持延期至2027年”的结论，与ChatGPT、Gemini等模型“误提2025年不可发售”的逻辑漏洞形成鲜明对比。
3. 零容忍幻觉：用“证据链”替代“概率猜测”
传统大模型常因“追求流畅性”输出无依据内容，而MiroThinker 1.5通过两大机制严控幻觉：一是对缺乏信源的推理结果给予惩罚，例如预测球队胜率时，必须引用Opta数据、世预赛表现等具体证据；二是采用“一次一步”工具调用规则，每条消息仅执行一个操作（如检索分组名单、验证球员伤病情况），确保每步推理都可追溯、可验证。
在A股连板股预测实测中，模型明确标注“再升科技晋级概率基于商业航天板块热度、4连板身位优势，但需警惕实控人减持风险”，并附上数据来源链接，彻底告别“模糊结论+事后找补”的行业通病。
三、落地实测：从世界杯预测到股市分析，复杂场景见真章
脱离实验室数据，MiroThinker 1.5在真实场景中的表现更具说服力。无论是体育赛事预测、游戏发售分析，还是高风险的股市判断，其“逻辑可视、证据可查”的特点都尤为突出：
1. 世界杯预测：层层拆解，连隐患都标注清晰
面对“2026美加墨世界杯胜率预测”需求，模型先梳理推理路径：检索分组名单→验证球队阵容→整合Opta夺冠概率→叠加晋级隐患。最终输出的结论不仅明确“西班牙（15-20%夺冠概率）为头号热门，法国、英格兰紧随其后”，还针对阿根廷队特别标注“梅西39岁体能受限、后防老将速度短板”等隐患，甚至计算出其“8-10%的夺冠概率，更现实目标为4强”，推理颗粒度远超同类模型。
2. 股市分析：噪声中抓主线，风险提示不缺位
在“选A股连板晋级股票”的高难度任务中，模型先判断市场环境（“指数高开低走，下跌个股超4300只，情绪处于退潮期”），再从连板梯队中锁定“商业航天板块龙头再升科技”，理由包括“4连板身位优势、SpaceX题材想象空间”，同时毫不避讳“实控人减持、业绩支撑弱”等风险，还主动提供“小仓位介入、严格止损”的操作建议，展现出专业分析师级别的审慎。
四、行业意义：开源普惠+成本优势，推动大模型“去贵族化”
MiroThinker 1.5的发布，不仅是技术突破，更对大模型行业生态产生深远影响：
1. 降低开发门槛：30B版本适配个人开发者
考虑到不同用户需求，MiroMind团队推出双版本策略：235B版本面向企业级复杂任务（如科研数据分析、商业决策支持），30B版本基于Qwen3-30B微调，可在普通GPU服务器（如单张A100）上部署，单条调用成本低至0.07美元。这意味着个人开发者无需百万级算力投入，也能搭建高性能搜索智能体，推动AI技术从“大厂专属”走向普惠。
2. 重构行业评价标准：从“比参数”到“比交互”
长期以来，参数规模、上下文长度是大模型的核心宣传点，而MiroThinker 1.5证明“智能密度”比“参数数量”更重要。其成功让行业开始反思：当万亿参数模型成本高企、落地困难时，“小参数+强交互”是否是更务实的路径？目前已有谷歌、Anthropic等机构表示，将借鉴“交互驱动”理念优化现有模型，行业竞争焦点正从“硬件堆料”转向“机制创新”。
五、团队背景：陈天桥“all in”AGI，代季峰掌舵技术
这款颠覆性模型的背后，是陈天桥与代季峰的“产学研”强强联合：作为前盛大集团创始人，陈天桥自2025年起便将重心转向AGI，不仅承诺“盛大孵化AI企业的一半利润分给团队”，还挖来清华大学电子工程系副教授代季峰——这位曾主导“可变形卷积”技术、任职商汤研究院的AI学者，直接放弃教职领衔MiroMind，目标是“打造下一个OpenAI，推动发现式智能落地”。
此前，该团队已凭借“成功预测Polymarket筛选题目”连续登顶Future X全球榜首，此次MiroThinker 1.5的发布，标志着其从“预测领域”向“通用智能体”的全面进军。
结语：大模型进入“巧劲时代”，交互能力成新战场
MiroThinker 1.5的横空出世，像一颗石子投入大模型行业的“参数内卷”洪流，证明AI的未来不在于“记住多少知识”，而在于“如何获取、验证、使用知识”。当陈天桥与代季峰用30B参数模型跑出1T性能的效果时，或许也在宣告：大模型的“堆料竞赛”已近尾声，以“交互”为核心的“巧劲时代”正式开启。
对于开发者而言，开源的MiroThinker 1.5提供了低成本探索智能体的工具；对于行业而言，这一突破或将重新定义“大模型强大的标准”。未来，当更多模型开始重视“主动求证”而非“被动复述”，AI才能真正从“知识容器”进化为“解决问题的伙伴”——而MiroMind团队，无疑已抢占了这场变革的先机。
