Xiaomi MiMo：为“Reasoning”而生！小米首个推理大模型开源

今天，小米开源首个为推理（Reasoning）而生的大模型「Xiaomi MiMo」，联动预训练到后训练，全面提升推理能力。

在数学推理（AIME 24-25）和 代码竞赛（LiveCodeBench v5）公开测评集上，MiMo 仅用 7B 的参数规模，超越了 OpenAI 的闭源推理模型 o1-mini 和阿里 Qwen 更大规模的开源推理模型 QwQ-32B-Preview。

强化学习潜力超越经典开源32B模型

随着DeepSeek-R1引发业界强化学习(RL)共创潮，DeepSeek-R1-Distill-7B和Qwen2.5-32B已成为广泛使用的强化学习起步模型。

在相同RL训练数据情况下，MiMo-7B 的数学&代码领域的强化学习潜力显著领先。

预训练+后训练，联动提升推理能力

MiMo推理能力的提升，由预训练和后训练阶段中数据和算法等多层面的创新联合驱动，包括：

• 预训练：核心是让模型见过更多推理模式
  • 数据：着重挖掘富推理语料，并合成约200B tokens推理数据。
  • 训练：进行了三阶段训练，逐步提升训练难度，总训练25T tokens。

• 后训练：核心是高效稳定的强化学习算法和框架
  • 算法：提出 Test Difficulty Driven Reward 来缓解困难算法问题中的奖励稀疏问题，并引入 Easy Data Re-Sampling 策略，以稳定 RL 训练。
  • 框架：设计了Seamless Rollout系统，使得RL训练加速2.29倍，验证加速1.96倍。

所有技术细节已经Open，见技术报告：

https://github.com/XiaomiMiMo/MiMo/blob/main/MiMo-7B-Technical-Report.pdf

MiMo-7B全系列已开源

MiMo-7B 已开源4个模型至HuggingFace：https://huggingface.co/XiaomiMiMo