DFM Mimir v1：仅用合规后训练数据的1B参数开放HRM模型，性能前沿

丹麦基础模型团队发布了基于层级推理模型（HRM）架构的1B参数语言模型Mimir v1，仅使用合规的后训练数据从头训练，在英语上表现优异，并在丹麦语上达到新SOTA，在20项基准测试中超越HRM-Text 1B，与Qwen 3.5 4B等更大模型竞争，模型已在Hugging Face Hub开放。

此前大模型依赖大规模且常不合规的数据集，阻碍开源研究。Mimir v1证明了仅用合规数据也能达到前沿性能，降低了对非合规数据的依赖，为开源和伦理数据研究提供了可行路径，尤其在丹麦语上树立新标杆。

Mimir v1采用HRM架构，可能通过分层次推理机制提升小模型的推理效率，使其在1B参数下能与4B甚至更大模型竞争。训练使用161个数据集的混合，且仅用合规后训练数据，表明数据质量与结构设计可部分弥补规模劣势。

对于依赖小模型的产品，Mimir v1提供了体积小但性能强的选择，可降低推理成本和部署门槛，尤其适合丹麦语场景。研发团队可参考其合规数据训练流程和HRM架构，优化自身模型的功耗与性能平衡。

• 在丹麦语应用（如客服、文档处理）中集成Mimir v1，替代更大模型以降低推理成本。
• 评估Mimir v1在边缘设备或低资源环境下的部署，用于离线或隐私敏感场景。
• 基于Mimir v1的合规数据方法论，构建内部模型的合规训练流水线，满足数据合规要求。
• 针对Mimir v1在数学与代码基准的表现，开发专用工具或插件增强现有产品能力。

• Mimir v1在英语之外的其他语言（如德语、法语）上的表现如何，证据未提及。
• HRM架构的具体机制和训练细节未在证据中详述，需进一步查证。
• Mimir v1的许可证和商业使用条款是否为允许性（permissible）未明确。
• 与Qwen 3.5 4B和Gemma 4 E2B的具体对比分数未提供，无法量化差距。