MiroThinker

MiroThinker是什么

MiroThinker是一个以“搜索与研究”为核心的开源智能体模型和框架，由MiroMind团队（由陈天桥与清华大学代季峰教授联合发起）推出，专为深度研究与复杂工具使用场景设计。MiroThinker的设计目标不是仅仅和你聊天，而是像一位可以自己查资料、会跑工具、能多轮推理的“自动化研究员”，适合做复杂信息检索、长程推理、多步骤任务规划，以及构建各种领域的智能体系统。如果你只是想要“会聊天的AI助手”，普通对话模型就够用了；如果你想要的是“能自己查、自己跑、做一整套复杂任务的AI研究智能体”，那就是MiroThinker要解决的方向。

MiroThinker核心组件

💡 MiroThinker
开源的搜索代理模型，原生支持工具辅助推理，在多个基准测试中性能领先。

🤖 MicroFlow
开源的研究代理框架，提供可复现的高性能基准流程，支持环境反馈与轨迹优化。

📚 MiroVerse
高级开源训练数据集，包含147k个样本，支持研究代理训练。

🔧 MiroTrain / MiroRL
训练基础设施，支持稳定和高效的研究代理模型训练。

MiroThinker功能特点

✅ 深度研究能力
主动拆解问题 → 全网检索 → 多源比对 → 综合分析，优先查阅权威来源信息，并给出带引用、带数据、带逻辑链条的结论。

✅ 超大上下文处理
拥有256K的上下文处理窗口，能够记住大量的任务细节，满足长文本理解、多步骤分析与长时域推理需求。

✅ 多参数规模版本
已发布包括 8B、14B、30B、32B、235B 等多个参数规模的模型，适配不同算力与场景需求，30B版本在部分深度任务中表现突出。

✅ 交互式扩展机制
采用“推理 → 验证 → 修正”循环机制，模拟科学家的研究过程，遇到不确定信息时，会主动调用搜索引擎、代码执行器等工具获取外部证据，并据此修正自身推理。

✅ 高频工具调用
单次任务最多可执行 400–600 次工具调用，覆盖网页浏览、文档解析、代码执行、多源交叉验证等，支持对接自定义工具集。

✅ 低幻觉与高准确性
通过主动求证、多轮校验、反幻觉设计，减少无证据推理，提升结果可信度。

✅ 构建智能体工作流
通过 MiroFlow + MiroThinker，构建特定领域的智能体工作流，对接内部知识库与外部网络。

✅ 多语言支持
具备强大的多语言处理能力，能在不同语言环境下进行深度研究。

✅ 完全开源
采用 Apache 2.0 许可证，权重与代码已在 GitHub 和 Hugging Face 开放，支持本地部署。

MiroThinker应用场景

📍 学术研究
文献调研、实验设计辅助、跨领域知识整合、论文写作支持。

📍 行业报告
行业报告生成，行业研究、公司研究、竞品分析，政策与法规解读、舆情和风险研判。

📍 商业分析
对特定标的的基本面、消息面、情绪面分析，对市场波动方向的基于证据的判断与假设。

📍 专业咨询
辅助医疗、法律、金融等领域的案例分析与方案制定，提供多源交叉验证的参考依据。

📍 决策辅助
技术选型、架构对比、最佳实践检索、项目路线判断，安全、合规和隐私相关资料查证。

📍 任务自动化
搭建自定义智能体工作流，对接内部知识库与外部网络，为企业构建“研究助理中枢” 。

MiroThinker如何使用

1、在线使用MiroThinker网页版

MiroThinker提供web网页版可以在线体验，电脑或手机浏览器访问MiroThinker官网，无需注册登录即可在线使用。

• MiroThinker官网地址：https://dr.miromind.ai/

2、私有部署MiroThinker开源版

MiroThinker提供开源框架和开放模型，权重与代码已在 GitHub 和 Hugging Face 开放，可以根据需要进行私有化本地部署。

MiroThinker项目地址

• GitHub代码库：https://github.com/MiroMindAI/MiroThinker
• Hugging Face模型库：https://huggingface.co/miromind-ai