在模型参数竞赛愈演愈烈的当下，MiroMind团队以“发现式智能”为核心理念，开辟了一条以交互效率取胜的新赛道。

2026年1月，MiroMind团队正式发布其旗舰搜索智能体模型MiroThinker 1.5。这一模型仅以300亿参数规模，在多项基准测试中媲美甚至超越参数量高出其数十倍的万亿级模型，同时将单次调用成本降至0.07美元，仅为同类产品的1/20。

MiroMind由盛大集团、天桥脑科学研究院创始人陈天桥与清华大学电子工程系副教授代季峰联合发起。陈天桥认为，真正的智能不靠全知，而靠“会研究、会查证、会修正”的能力。这一理念使得MiroThinker 1.5在众多追求参数规模的大模型中独树一帜。

01 性能突破，小参数模型媲美万亿级巨头

MiroThinker 1.5的性能表现令人瞩目。在关键评测集BrowseComp-ZH中，该模型实现了对部分万亿参数模型的性能超越。

面对参数量高达30倍的Kimi-K2-Thinking等竞争对手，MiroThinker 1.5展示了旗鼓相当的表现。这种高效率得益于其独特的架构设计和训练方法。

模型采用“交互式扩展”技术，将智能增长的焦点从模型内部参数数量转向模型与外部世界信息的交互能力。这种方法的核心在于不追求让模型拥有“最重的脑子”，而是培养它具备“最勤的手”，成为一个善于主动向外求证、敢于自我否定、能够快速修正路径的智能体。

02 核心技术，Interactive Scaling引领范式转变

MiroThinker 1.5的核心创新在于其提出了“推理—验证—修正”循环机制。这一机制通过引入外部信息作为校验锚点，用确定性证据流来对冲不确定性推演，有效解决了逻辑坍塌问题。

与传统大模型不同，MiroThinker 1.5的训练强调证据寻求和多轮校验。模型被鼓励将每个关键判断拆解为可验证的子假设，并主动发起对外查询、检索与比对。结论本身不再是训练目标，找到可靠证据的过程才是核心。

研发团队刻意削弱对“单次完美推理”的奖励，转而强化模型“主动求证”和“多轮校验与自我修正”的能力。对那些看起来合理但缺乏真实依据的推理捷径保持零容忍。

03 成本优势，单次调用成本仅0.07美元

MiroThinker 1.5的单次调用成本低至0.07美元，仅为竞争对手的1/20。这一成本优势使得高性能AI技术更加普惠，为更广泛的应用场景创造了条件。

成本优势的根源在于模型不再需要将庞大世界知识全部内化为参数，而是学会在需要时快速、精准地向外部世界“借力”。这种设计思路显著降低了模型的推理成本。

MiroMind团队认为，传统依赖扩大模型内部参数数量的扩展法则已触及边际瓶颈。未来AI的发展方向应从内部参数扩张转向以外部信息交互为核心的Interactive Scaling。

04 应用前景，发现式智能推动AI民主化

MiroThinker 1.5代表着AI发展路径的转变：从“记忆型智能”转向“发现式智能”。这种转变使得AI系统能够更好地适应复杂多变的应用场景。

发现式智能的核心能力是在未知条件下重建对世界的理解。这种能力使得AI能够像严谨的研究者一样，在不确定性中逼近真相，最终获得“预测未来”的能力。

随着MiroThinker 1.5的出现，AI行业可能迎来新一轮创新浪潮。更多企业和开发者将能够以更低成本获得高性能AI能力，推动AI技术在更广泛领域的应用和创新。

在模型参数竞赛白热化的背景下，MiroThinker 1.5以其卓越的性能表现和显著的成本优势，向世界证明：智能的本质不在于记住了多少，而在于能否有效地探索和验证未知。

这条路不仅引领AI走向更高效率，也让我们看到智能本质的另一种可能——通过培养模型的研究、查证和修正能力，小而精的模型同样能解决大问题。