引言
2026年伊始，開源AI界掀起一股熱潮：MiroMind 發佈嘅 MiroThinker 1.5 快速爆紅。呢個模型得 30B 參數，喺多項基準測試中都接近或超越萬億參數嘅閉源模型表現，顛覆咗「越大越強」嘅傳統觀念。根據 VentureBeat 報道，MiroThinker 1.5 用創新嘅「交互式縮放」（Interactive Scaling）機制，實現以約 1/20 成本達到高性能，標誌住 AI 從參數競賽轉向智能密度優化。Hugging Face 倉庫顯示，呢個模型喺 2025 年 11 月初步發布，1.5 版本喺 2026 年 1 月優化上線，已經獲得數千個 star 同社區討論。Medium 分析話，呢個模型受歡迎係因為其高效推理同開源屬性，適合研究、預測同代理任務。
模型概覽
MiroThinker 1.5 係 MiroMind 開發嘅開源搜索代理模型（Search Agent Model），專為複雜研究同預測任務設計。模型家族包括 30B 同 235B 參數版本，前者基於 Qwen3‑30B‑A3B‑Thinking‑2507 微調，支援 256K 上下文窗口同最多 400 次工具調用。GitHub 倉庫顯示，呢個模型完全開源，包含權重、代碼同訓練日誌，方便社區複現同擴展。相比前代 v1.0，1.5 版本引入「時間敏感訓練」（Temporal‑Sensitive Training），提升對動態事件嘅預測能力，例如納斯達克指數波動或奧斯卡提名分析。
MiroMind 團隊由陳天橋（Shanda Group 創始人）同戴季峰（前 Megvii 首席科學家）領導，強調「鏡像並連接人類智能與 AI」。Pandaily 報道，該模型喺 GAIA 基準上達 60.2% 平均分，領先開源模型。X 用戶分享顯示，使用者已將佢用於產品策略、公共政策同執行決策，突顯其多模態支援同本地運行優勢。模型喺 Hugging Face 上提供 GGUF 量化版本，方便消費級硬件部署。
而家可以喺https://dr.miromind.ai/ 試用。
原理分析
MiroThinker 1.5 嘅核心創新係「交互式縮放」框架，該機制將代理密度（Agentic Density）作為性能提升嘅第三維度，超越傳統參數與數據縮放。TMTPost 解釋，呢個框架容許模型通過生成假設、實時證據搜索同迭代修訂，實現深度交互，而唔係靜態推理。具體而言，模型內建 ReAct 循環（Reason‑Act‑Observe‑Think），支援 400+ 工具調用，包括網頁瀏覽、代碼執行同多源驗證。
另一個關鍵係「觀察壓縮」技術：為節省 token，喺長歷史中掩碼早期工具結果，只保留最近 K 輪原文同所有思考過程（Thought）。X 用戶 yan5xu 分析，呢種反直覺設計利用 Thought 作為動態摘要：每個 Thought 已「消化」前序觀察，形成高保真嘅壓縮包，無需額外嘅摘要代理。呢個做法令 256K 上下文可以容納數百輪交互，適合深層研究。
此外，模型採用「時間敏感沙箱」避免後見之明洩露，確保預測公平。YouTube 影片示範，其推理鏈透明展示：假設生成、證據驗證同置信度量化。LinkedIn 帖子指出，呢種原生代理能力係內建喺模型，而唔係外部腳手架，提升效率。相比 Kimi‑K2‑Thinking（1T 參數），MiroThinker 1.5 嘅推理成本僅 $0.07/查詢，速度亦更快。
性能評估
MiroThinker 1.5 喺多項基準中表現出色。Hugging Face 數據顯示，30B 版本喺 HLE‑Text 達 39.2%、BrowseComp 69.8%、BrowseComp‑ZH 71.5%、GAIA‑Val‑165 80.8%，領先開源代理並刷新 BrowseComp 紀錄。與閉源模型對比，235B 版本喺 BrowseComp 超越 ChatGPT‑Agent（68.9% vs 69.8%），30B 版本喺 BrowseComp‑ZH 超越 Kimi‑K2‑Thinking（71.5% vs 62.3%）。
AIbase 報道話，該模型喺中文瀏覽任務表現突出，成本優勢明顯。Substack 分析指出，交互縮放令性能隨深度交互可預測地提升，適合金融預測、奧斯卡提名同超級碗分析。X 用戶測試確認，喺產品策略（例如 SaaS 投資決策）同政策分析中，佢可以提供量化不確定性同假設列表，優於傳統 LLM。FriendliAI 平台支持其量化部署，推理可靠。
應用擴展與影響
MiroThinker 1.5 適合用於深層研究自動化，例如事件預測同多源分析。X 用戶 KloudiHub 指出，佢支援本地運行，可以取代訂閱服務。LinkedIn 貼文強調，佢喺企業場景中降低成本，推動 AI 民主化。與 Kortix 等結合，可擴展成生產力工具。
影響方面，HM.AI 報道話，該模型重寫咗 AI 效率規則，從「蠻力計算」轉向「智能密度」。Facebook 帖子稱，佢挑戰 1T 基線，為開源注入活力。X 用戶 JiantaoJ 預測，呢個趨勢會延續代理縮放之旅。未來可擴展到更多領域，例如醫療同教育。
結論
MiroThinker 1.5 嘅走紅證明，細模型通過智能優化可以媲美巨頭。佢嘅交互式縮放同開源屬性，推動 AI 向高效、透明演進。呢個模型唔單止結果可信，亦為開發者提供可複製嘅路徑。未來，隨住社區貢獻，佢將會進一步重塑 AI 生態。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎訂閱我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請瀏覽：https://www.airosetta.com