MiroThinker：开源搜索代理模型助力高效研究

MiroThinker是一款开源搜索代理模型，提供强大的工具辅助推理和信息搜索能力。最新版本v1.5支持256K上下文窗口和400次工具调用，提供30B和235B参数版本，在多项基准测试中表现优异。其特色包括MiroFlow框架、MiroVerse数据集和MiroTrain训练基础设施，支持复杂研究任务。相比同类项目，MiroThinker通过交互式扩展实现更深层次的推理能力。安装简便，可通过AP

weixin_44626085

439人浏览 · 2026-01-22 09:50:01

weixin_44626085 · 2026-01-22 09:50:01 发布

MiroThinker

MiroThinker 是一个开源的搜索代理模型，旨在通过工具增强推理和现实世界信息搜索的能力，实现与 OpenAI Deep Research 和 Gemini Deep Research 之间的深度研究体验相匹配。

🚀 MiroThinker 概述

MiroThinker 是 MiroMind 的旗舰研究代理模型，旨在提升工具辅助推理和信息搜寻的能力，使复杂的现实研究工作流能够应对各种挑战。其核心功能包括：

MiroThinker：开放源代码的搜索模型，原生支持工具辅助推理，在多个基准测试中取得领先性能。
MiroFlow：开放源代码的研究代理框架，提供可复现的尖端性能。
MiroVerse：支持研究代理训练的优质开放源数据集，包含 147,000 个样本。
MiroTrain / MiroRL：支撑研究代理模型稳健高效训练的基础设施。

✨ 主要特点

1. MiroThinker v1.5

MiroThinker v1.5 是全球领先的开源搜索代理，支持 256K 上下文窗口、长期推理和深入的多步骤分析。它的特点包括：

处理每个任务最多 400 次工具调用，相较于之前的代理实现了显著提升。
提供 30B 和 235B 参数规模的多种可扩展选项，适应不同的研究环境和计算预算。

模型名称	基础模型	最大上下文	最大工具调用	HuggingFace 链接
MiroThinker-v1.5-30B	Qwen3-30B-A3B-Thinking-2507	256K	400	🤗 link
MiroThinker-v1.5-235B	Qwen3-235B-A22B-Thinking-2507	256K	400	🤗 link

MiroThinker v1.5 在多个基准上实现了强劲的研究表现，如 HLE-Text 达到 39.2%，BrowseComp 达到 69.8%，并在 GAIA-Val-165 中达到了 80.8%。这些结果超越了之前的开放源代理，并设立了新的世界领先水平。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2. MiroThinker v1.0

与之前仅依赖模型规模或上下文长度进行扩展的模型不同，MiroThinker v1.0 引入了交互式扩展，系统性地训练模型处理更深和更频繁的代理-环境交互。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

其特点包括：

600 次工具调用，极大地拓展了可处理的信息量。
以8B、30B 和 72B 参数规模发布，提供全面的工具和工作流套件，灵活支持多样的研究设置与计算预算。

模型名称	基础模型	最大上下文	最大工具调用	HuggingFace 链接
MiroThinker-v1.0-8B	Qwen3-8B	256K	600	🤗 link
MiroThinker-v1.0-30B	Qwen3-30B-A3B-Thinking-2507	256K	600	🤗 link
MiroThinker-v1.0-72B	Qwen2.5-72B-Instruct	256K	600	🤗 link

MiroThinker v1.0 在 HLE-Text 和 BrowseComp 上的性能也显示出显著提高，分别达到 37.7% 和 55.6%。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

3. 训练数据与基础设施

MiroVerse 提供丰富的训练数据集，支持高清晰度的研究代理训练。利用 MiroTrain 和 MiroRL，用户可以轻松构建稳定的训练环境，确保研究代理模型效率最大化。

📈 基准测试表现

MiroThinker 在各项基准测试中的表现令人瞩目，特别是在复杂任务中的准确性和深度推理能力上，展示了其在现实应用场景中的强大适应性。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

🚀 快速开始

环境要求

Python 3.10+
uv 包管理器 （安装指南）
需要的 API 密钥（请参阅配置部分）

安装步骤

# 克隆仓库
git clone https://github.com/MiroMindAI/MiroThinker
cd MiroThinker

# 设置环境
cd apps/miroflow-agent
uv sync

# 配置 API 密钥
cp .env.example .env
# 编辑 .env 文件以添加您的 API 密钥（如 SERPER_API_KEY, JINA_API_KEY 等）

工具配置

MiroThinker 的工具配置涉及多个 API 集成，以支持搜索、信息抽取和代码执行等功能。

示例配置

# 最小配置示例
SERPER_API_KEY=your_serper_key
SERPER_BASE_URL="https://google.serper.dev"
JINA_API_KEY=your_jina_key
JINA_BASE_URL="https://r.jina.ai"
E2B_API_KEY=your_e2b_key

运行第一个任务

设置完环境后，运行 main.py 来测试默认问题：“今天计算机科学领域的 arxiv 论文标题是什么？”

cd apps/miroflow-agent

# 使用 MiroThinker 模型
uv run python main.py llm=qwen-3 agent=mirothinker_v1.5_keep5_max200 llm.base_url=http://localhost:61002/v1

对比同类项目

MiroThinker 作为一个开源项目，其具有与其他研究代理模型的竞争优势。例如，WebThinker 和 WebAgents 也专注于提供高效的信息检索和处理能力。MiroThinker 的优势在于对交互式扩展的支持，它能在模型规模和上下文长度外，通过实时反馈进一步提升性能，满足更为复杂的任务要求。

如需了解更多关于类似项目的信息，可以访问他们的 GitHub 页面。