小米开源首个推理大模型——Xiaomi MiMo

小米官方今天正式宣布，开源首个为推理（Reasoning）而生的大模型——Xiaomi MiMo。

据介绍，Xiaomi MiMo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。

官方表示，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。

MiMo-7B全系列已开源MiMo-7B 已开源4个模型至HuggingFace。