Mimo 7B RL

🚀 MiMo-7B：专为推理任务而生的语言模型

MiMo-7B是一系列从头开始训练、专为推理任务打造的模型。通过优化预训练和后训练策略，该模型在数学和代码推理任务上展现出卓越性能，甚至超越了部分大模型，为开发强大的推理大语言模型提供了有价值的参考。

🚀 快速开始

本项目开源了MiMo-7B系列模型，包含基础模型、SFT模型、基于基础模型训练的RL模型以及基于SFT模型训练的RL模型的检查点。你可以通过以下链接获取模型：

• HuggingFace
• ModelScope

✨ 主要特性

预训练：为推理而生的基础模型

• 优化数据预处理流程：增强文本提取工具包，应用多维数据过滤，提高预训练数据中的推理模式密度。同时，采用多种策略生成大量多样化的合成推理数据。
• 三阶段数据混合策略：预训练采用三阶段数据混合策略，MiMo-7B-Base在约25万亿个标记上进行预训练。
• 引入多标记预测目标：将多标记预测（Multiple-Token Prediction）作为额外的训练目标，提升模型性能并加速推理。

后训练策略：开创推理模型先河

• 精心策划训练数据：精心挑选130K个数学和代码问题作为RL训练数据，这些问题可由基于规则的验证器进行验证。每个问题都经过仔细清理和难度评估，以确保数据质量。仅使用基于规则的准确性奖励，避免潜在的奖励破解问题。
• 引入测试难度驱动的代码奖励：为缓解具有挑战性的代码问题的稀疏奖励问题，引入测试难度驱动的代码奖励。通过为不同难度级别的测试用例分配细粒度分数，可通过密集奖励信号更有效地优化策略。
• 实施数据重采样策略：对简单问题实施数据重采样策略，以提高滚动采样效率并稳定策略更新，特别是在RL训练的后期阶段。

RL基础设施

• 开发无缝滚动引擎：开发了无缝滚动引擎（Seamless Rollout Engine），以加速RL训练和验证。该设计集成了连续滚动、异步奖励计算和提前终止功能，以最小化GPU空闲时间，实现了2.29倍的训练速度提升和1.96倍的验证速度提升。
• 支持MTP并增强推理引擎鲁棒性：在vLLM中支持MTP，并增强了RL系统中推理引擎的鲁棒性。

📦 安装指南

SGLang推理

# 从主分支安装最新的SGlang
python3 -m uv pip install "sglang[all] @ git+https://github.com/sgl-project/sglang.git/@main#egg=sglang&subdirectory=python"

# 启动SGLang服务器
python3 -m sglang.launch_server --model-path XiaomiMiMo/MiMo-7B-RL --host 0.0.0.0 --trust-remote-code

详细使用方法可参考 SGLang文档，MTP也将在24小时内得到支持。

vLLM推理

推荐方式

使用 我们fork的vLLM 进行推理：

from vllm import LLM, SamplingParams

model_path = "/path/to/MiMo"
llm = LLM(
    model=model_path,
    trust_remote_code=True,
    num_speculative_tokens=1,
    disable_log_stats=False
)
sampling_params = SamplingParams(temperature=0.6)

conversation = [
    {
        "role": "system",
        "content": ""
    },
    {
        "role": "user",
        "content": "Write an essay about the importance of higher education.",
    },
]

outputs = llm.chat(conversation,
                   sampling_params=sampling_params,
                   use_tqdm=False)

for output in outputs:
    prompt = output.prompt
    generated_text = output.outputs[0].text
    print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")

print("=" * 80)

替代方式

你可以复制 registry/register_mimo_in_vllm.py 到你的目录并导入：

import register_mimo_in_vllm

from vllm import LLM, SamplingParams

model_path = "/path/to/MiMo"
llm = LLM(
    model=model_path,
    trust_remote_code=True,
    # num_speculative_tokens=1,
    disable_log_stats=False
)
sampling_params = SamplingParams(temperature=0.6)

HuggingFace推理

from transformers import AutoModel, AutoModelForCausalLM, AutoTokenizer

model_id = "XiaomiMiMo/MiMo-7B-RL"
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_id)
inputs = tokenizer(["Today is"], return_tensors='pt')
output = model.generate(**inputs, max_new_tokens = 100)
print(tokenizer.decode(output.tolist()[0]))

💻 使用示例

推荐环境和提示

• 推荐使用 我们基于vLLM 0.7.3开发的fork版本。
• 推荐使用空的系统提示。

📚 详细文档

模型详情

评估结果

通用任务

数学任务

代码任务

MiMo-7B系列模型评估

⚠️ 重要提示 评估是在 temperature=0.6 的条件下进行的。AIME24和AIME25的分数是32次重复的平均值，LiveCodeBench v5（20240801 - 20250201）、LiveCodeBench v6（20250201 - 20250501）、GPQA-Diamond和IF-Eval的分数是8次重复的平均值，MATH500和SuperGPQA是单次运行的结果。

🔧 技术细节

MiMo-7B的MTP层在预训练和SFT阶段进行调整，在RL阶段冻结。使用一个MTP层进行推测解码时，接受率约为90%。

📄 许可证

本模型仓库采用MIT许可证。

📚 引用

@misc{coreteam2025mimounlockingreasoningpotential,
      title={MiMo: Unlocking the Reasoning Potential of Language Model -- From Pretraining to Posttraining}, 
      author={{Xiaomi LLM-Core Team}},
      year={2025},
      eprint={2505.07608},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.07608}, 
}

📞 联系我们

如果您有任何问题，请通过 mimo@xiaomi.com 联系我们，或在项目中提出问题。