Micius-Flash 开源：27B 芯片设计模型

一句话总结：Micius-Flash 是个 27B 的工程专用模型，原生多模态、256K 上下文，硬件代码基准 64.2%（比同尺寸基线高 15 个点），半导体 agent 基准 62.4%（高 17.2 点）。它最值得看的地方不是分数，是把 EDA 工具和 KiCad 接进去的那个 Harness。

11 月 10 日挂上 arXiv，模型开源。20 多个数据集、约 1.5 万条记录。

27B 的定位：不是通用模型

这个尺寸很微妙。27B 比端侧模型大得多，比旗舰小得多——夹在中间，只能靠"专"取胜。

它专的方向是半导体和硬件。数据管道沿三个学科搭：半导体知识与推理、硬件编码、半导体多模态理解，另外加一个 agent 专家。

原生多模态输入这点值得单独说。很多工程模型是"文本主干 + 视觉适配器"，看原理图和看文本走两套路径。原生多模态意味着图、表、代码在同一个表示空间里，这对读数据手册、认引脚图这类任务是刚需。

Micius-Flash 的硬件代码基准 64.2%

图 1：红条为 Micius-Flash，灰条为同尺寸基线

15 个点的差距，在硬件代码这类任务上算大。Verilog 和普通软件代码的区别在于错了编译不过，或者能编译但时序不对——后者要到综合之后才发现，反馈周期长得多。

不过要看清这套数字的口径：20 多个数据集、约 1.5 万条记录，全部来自自建管道合成的数据。这意味着基准和训练数据的分布可能高度重合。官方没有在第三方公开基准上给分，这是我判断它的能力时最谨慎的一点。

工程模型的数据飞轮：三阶段怎么转

管道分三步：知识树构建与扩展、数据合成、质量验证加难例增强。

第一步是搭知识树——把半导体领域的知识组织成层级结构（从器件物理到工艺到 EDA 工具链）。这一步决定了后面合成数据往哪些方向长。

第二步按树上的节点合成数据。有知识树的好处是覆盖面可控：哪个分支数据不够，往下补就行，不会出现"某个工艺节点的题一条都没有"的情况。

第三步做质量验证，同时把模型做错的难题挑出来，加强到下一轮。这是飞轮真正转起来的地方——不是一次性造数据，是每一轮根据失败样本补数据。

多教师蒸馏：把三个专家合成一个工程模型

训练用的是 MOPD（Multi-Teacher On-Policy Distillation）。三个教师分别管半导体知识、硬件编码、多模态理解，然后向一个学生模型蒸馏。

关键在"On-Policy"：用来蒸馏的序列不是教师生成的，是学生自己生成的，再由教师打分。这一步解决的是分布偏移——学生自己会犯的错，教师生成的完美序列里根本不会出现。

蒸馏这件事有个绕不过去的矛盾。三个专家各自在自己的领域强，但合成一个模型时，能力不会简单相加。

图 2：两个任务梯度夹角的余弦值越低，联合更新能传递的有效信号越少

我用随机向量模拟了一下：两个任务的梯度余弦相似度为 +0.6 时，联合更新对每个任务的有效步长是 0.8；余弦降到 -0.6（方向相反），有效步长只剩 0.2。也就是四个单位的学习信号，三个被互相抵消了。

这解释了为什么少样本微调经常出现"改好一个能力、弄坏另一个"。多教师蒸馏的作用是把不同能力的梯度分开传，而不是让它们在一个损失函数里打架。

接到 EDA 和 KiCad 上

Micius Harness 是这套东西里我最看重的部分。它把模型接到真实工具上：EDA 工具、KiCad、执行环境。

官方给的案例是 PCB 设计、芯片设计流程自动化、软件开发。模型能利用工具的执行反馈做多步规划、代码调试、迭代验证。

这一点比分数重要。工程任务的特点是有客观反馈——DRC 报错就是报错，时序不满足就是不满足。有反馈就能闭环，模型可以自己试错。通用的聊天模型做不到这一点，因为它不知道自己的输出在物理世界里是否成立。

和通用模型比，它差在哪

垂直模型的账要算两面。

强的地方是领域内的任务结构。Verilog 的语法、时序约束的写法、EDA 工具的报错格式，这些东西通用模型要靠上下文现学，27B 的工程模型是训进去的。15 个点的差距主要来自这里。

弱的地方在领域外。同尺寸的通用模型在常识问答、开放域写作、多语言上有更均衡的表现；27B 的容量全押在半导体上，换个领域就明显吃力。这不是缺陷，是取舍。

还有一层要提醒：训练数据大量来自合成。合成数据的好处是覆盖全、成本低，坏处是它反映的是"数据管道以为的世界"，不是真实项目的样子。

真实芯片项目的代码长什么样？十几年前的库、没人维护的构建脚本、注释写着"不要动这里"、变量名是拼音缩写。这些东西合成不出来，因为它们不合理。

所以拿到模型之后，先拿自己项目的真实代码试，别看公开基准的分数。基准是本家数据训的、本家管道造的，分数高是应该的。

谁该看这个工程模型

做 EDA 工具链、芯片验证、硬件代码生成的人，值得拿下来试。27B 的体量，单机双卡能跑，比 1.6 万亿参数那种门槛低得多。

只是做通用代码补全的，没必要。它的优势集中在半导体这个垂直领域，离开这个领域，27B 的能力不如同尺寸的通用模型。

这个尺寸本身就尴尬。模型分层那篇算过，中间层正在被两头挤——上面是 70 亿到万亿参数的旗舰，下面是 0.1 美元百万 token 的小模型。27B 要活下来，只能靠垂直领域的数据壁垒。

还有个前提要确认：它的训练数据大量来自合成。如果你的场景是真实项目的遗留代码（风格混乱、注释缺失、依赖几十年前的库），合成数据训出来的模型未必适应。这个风险官方没提，但从数据管道的设计能推出来。

参考资料

1. Micius-Flash: Lightweight Agentic Intelligence for Engineering（arXiv 2611.10015）