1 月 5 日,MiroMind AI 正式发布并开源了 MiroThinker v1.5。
这是一个全球领先的开源搜索 Agent。
MiroThinker 是开源界首个不拼参数大小,而是让 AI 像人类一样疯狂查资料、写代码、不断试错和修正,让小模型也能解决高难度任务的搜索 Agent。
而且在BrowseComp 测试上超过了 ChatGPT-Agent。在 BrowseComp-ZH 上超越了 Kimi-K2-Thinking,而且成本更低,仅用了 1/30 的参数。

BrowseComp 是 OpenAI 研发的一个开源测试基准,专门用于评估 AI 模型,尤其是具备网页浏览功能的 Agent 在互联网上查找复杂、关联信息的能力。
01、开源项目简介

arduino
开源地址:https://github.com/MiroMindAI/MiroThinker
MiroThinker 可以通过调用外部工具和网络搜索来辅助 AI 完成复杂的推理与深度研究任务。
它采用了一种独特的交互式扩展技术(Interactive Scaling),使模型能够在长篇对话中通过不断的反馈来自我修正,从而更精准地获取信息。

不同于传统模型在封闭的参数空间内进行线性推理,MiroThinker 被训练成了一个懂得「向外求助」的Agent:
- 主动求证:遇到不确定问题,不是根据概率瞎猜,而是像严谨的研究员一样拆解问题、检索证据。
- 多轮修正:建立「推理-验证-修正」的闭环,一旦发现外部证据与假设冲突,立即调整路径,直到证据收敛。
- 去伪存真:训练中系统性惩罚缺乏信源的高置信度回答,倒逼模型养成「无证据不开口」的本能。
02、使用一下
case1:请帮我调研一下2026年全球 AI 大模型市场的最新竞争格局。
可以看到这个提示词输入下去,MiroThinker 一共进行了 30 多次搜索,10 多次浏览网页,最终才把它认为 OK 的结论呈现给你。
arduino
结果地址:https://dr.miromind.ai/share/15ba9138-617f-4002-91a6-64a0a2e43c8a
建议看一下这个视频,看看 MiroThinker 的分析结果。
你会发现它不像是 AI 输出的,真的像一个资深研究员写的东西。比如第十章对 2026 年的判断:
有一个很有意思的点,你把这个提示词丢进其它 Agent 产品里面,很多生成的报告中,国外 AI 大模型厂商都没有提到 Google Gemini。 但是 2025 年 Gemini 3 和 Nano Banana 等模型,足够让 Google 进入世界 TOP 3 的行列了。
case2:搜索 Manus 核心成员的访谈记录,详细介绍一下每一个核心成员访谈时聊了啥,重点介绍一下 Manus 的立项、诞生历程,一定要详细。
arduino
结果地址:https://dr.miromind.ai/share/a6a74739-d3e4-4f2f-9675-9ca51e1326e4
最近把 Manus 相关的访谈听了一个遍,MiroThinker 给的结果非常惊艳、非常惊艳,核心重点都覆盖到了。
case3:请你搜索北京的明星 AI 初创公司,介绍一下公司名称、具体业务、融资信息、产品信息、赛道等等。
arduino
生成地址:https://dr.miromind.ai/share/7033378d-50e5-47d6-a082-760cffb0f5f3
case4:A 股会在春节前涨到多少?
arduino
生成地址:https://dr.miromind.ai/share/e12611c9-bcde-475b-a153-4d9aaef92fe6
简短总结一句话版:
在目前 4080 点附近强势位置上,结合过去 20 年数据和今年政策环境,更大概率是春节前围绕现在点位上下若干百分点的震荡偏强,历史统计对应的大致区间大约在 4 000--4 200 点一带,但这不是预测,实际可能因突发因素大幅偏离。
很有意思,MiroThinker 主张放弃对具体点位的精准预测。
通过叠加历史「春节效应」统计数据与当前强劲的政策及行情趋势,构建一个基于概率的合理波动区间(而非确定数值)作为投资决策的参考。
02、怎么使用

bash
体验地址:https://dr.miromind.ai/开源地址:https://github.com/MiroMindAI/MiroThinker模型下载:https://huggingface.co/miromind-ai/MiroThinker-v1.5-235B
现在 AI 大模型都在疯狂内卷参数规模,试图想把全世界知识背进模型里面。单纯堆砌内部参数的 Scaling Law 可能已触及天花板。
MiroThinker 让我们看到一个新的路线,可能真正的通用人工智能(AGI)不应是死记硬背的做题家,而应是具备发现式智能的科学家。
更多详细视频案例介绍,请查看原文:mp.weixin.qq.com/s/FEJtibpzl...