前言

大家好，我是老马。

我们首先来学习一下 MiroMindAI/MiroThinke

MiroMindAI/MiroThinker

MiroThinker 是一系列开源智能体模型，用于深度研究和复杂工具使用场景。(GitHub)

Repository（仓库）地址（可直接访问）：

👉 https://github.com/MiroMindAI/MiroThinker (GitHub)

许可证：

MIT License (GitHub)

---

🚀 体验在线演示

演示（Gradio）：

https://dr.miromind.ai/ (Reddit)

---

📋 目录

• 📰 新闻与更新 (News & Updates)
• 📝 介绍 (Introduction)
• ✨ 关键功能 (Key Features)
• 📈 基准性能 (Performance on Benchmarks)
• 🚀 快速开始 (Quick Start)
• 📊 跟踪收集 (Trace Collection)
• ❓ 常见问题与故障排除 (FAQ & Troubleshooting)
• 📄 许可证 (License)
• 🙏 致谢 (Acknowledgments)
• 📌 参考文献 (References)

---

📰 新闻与更新

2025-11-13
🎉🎉 MiroThinker-v1.0 现已发布！
引入“交互式扩展（Interactive Scaling）”作为性能提升的第三维度，支持 256K 上下文窗口 和最多 600 次工具调用/任务。提供 8B、30B、72B 参数规模，在多个基准（如 HLE-Text、BrowseComp、BrowseComp-ZH、GAIA-Text-103）中取得优异成绩。(GitHub)

2025-09-11
🎉 MiroThinker-72B-Preview 在 FutureX 基准中获得第四名。(GitHub)

2025-09-08
发布 MiroThinker-v0.2，在多个基准上取得开源 SOTA 性能，如 HLE、HLE-Text、BrowseComp-EN、BrowseComp-ZH、xBench-DeepSearch 和 Frames 等。(GitHub)

2025-08-22
发布简化部署选项，以优化资源使用和加快启动时间。提供在线互动演示。(GitHub)

2025-08-08
MiroThinker-v0.1 发布，模型、框架和数据完全开源。(GitHub)

---

📝 介绍

MiroThinker 是 MiroMind 研究智能体项目的官方实现，旨在推进工具增强推理与信息获取能力，支持在多种复杂现实研究场景中的工作流。(GitHub)

当前项目主要组成：

• 💡 MiroThinker：开源研究智能体模型，原生支持工具辅助推理，在多个基准中表现领先。(GitHub)

• 🤖 MiroFlow：开源研究智能体框架，提供可复现 SOTA 性能的通用工作流。
  👉 https://github.com/MiroMindAI/MiroFlow (GitHub)

• 📚 MiroVerse：含 147,000 条样本的开源训练数据集，用于研究智能体训练。
  👉 https://huggingface.co/datasets/miromind-ai/MiroVerse (GitHub)

• 🔧 MiroTrain / MiroRL：训练基础设施组件，用于稳定高效的研究智能体训练。(GitHub)

---

✨ 关键功能

MiroThinker-v1.0

MiroThinker-v1.0 在传统扩展（参数规模、上下文长度）基础上，提出交互式扩展（Interactive Scaling），让模型在代理–环境交互过程中更深层次学习。

它利用环境反馈和外部信息获取来纠错与优化推理轨迹。(GitHub)

主要特点：

功能	描述
🚀 256K 上下文窗口	支持长路径推理与多步分析
🔧 600 次工具调用	每任务最多 600 次工具交互
📦 多参数规模	包括 8B、30B、72B 多版本
🛠️ 工具与工作流支持	与 MiroFlow 整合，可执行复杂研究任务

模型与链接示例：

模型名称	基础模型	最大上下文长度	最大工具调用	模型链接
MiroThinker-v1.0-8B	Qwen3-8B	256K	600	https://huggingface.co/miromind-ai/MiroThinker-v1.0-8B (GitHub)
MiroThinker-v1.0-30B	Qwen3-30B-A3B-Thinking-2507	256K	600	https://huggingface.co/miromind-ai/MiroThinker-v1.0-30B (GitHub)
MiroThinker-v1.0-72B	Qwen2.5-72B-Instruct	256K	600	https://huggingface.co/miromind-ai/MiroThinker-v1.0-72B (GitHub)

---

📈 基准性能

MiroThinker 在多项开放研究基准测试中表现优异：

• GAIA Validation / Text-103
• HLE / HLE-Text-2158 / HLE-Text-500
• BrowseComp-EN / BrowseComp-ZH
• WebWalkerQA
• Frames
• XBench-DeepSearch
• FutureX
• SEAL-0
• AIME2025 (GitHub)

示例性能：

v1.0 在多个基准中均超过此前的开源智能体，并在某些任务中逼近商业模型表现（例如 GPT-5-high）。(GitHub)

---

🚀 快速开始

⚡ 5-分钟快速启动

# 1. 克隆仓库
git clone https://github.com/MiroMindAI/MiroThinker
cd MiroThinker/apps/miroflow-agent
uv sync

# 2. 配置最小环境（针对 MiroThinker v1.0）
cp .env.example .env
# 编辑 .env 填写以下必要 API Key:
# SERPER_API_KEY（Google 搜索）
# JINA_API_KEY（网页抓取）
# E2B_API_KEY（代码执行）
# SUMMARY_LLM_BASE_URL / NAME / API_KEY（LLM 摘要）
# OPENAI_API_KEY（用于评估）

# 3. 启动模型服务（见 Serve 部分）

# 4. 执行评估
uv run main.py llm=qwen-3 agent=single_agent_keep5 llm.base_url=https://你的服务器地址/v1

先决条件

• Python 3.10 及以上
• 安装 uv 包管理工具
• API Key，如 SERPER、JINA、E2B 等 (GitHub)

---

🛠️ 工具配置（Tool Configuration）

最小推荐配置（用于 v1.0）：

Server	描述	提供工具	需要的环境变量
tool-python	代码执行与沙箱管理	create_sandbox、run_python_code 等	E2B_API_KEY
search_and_scrape_webpage	Serper Google 搜索	google_search	SERPER_API_KEY、SERPER_BASE_URL
jina_scrape_llm_summary	基于 LLM 的网页摘要提取	scrape_and_extract_info	JINA_API_KEY、SUMMARY_LLM_*

示例最小 .env 配置：

SERPER_API_KEY=你的_serper_key
SERPER_BASE_URL="https://google.serper.dev"
JINA_API_KEY=你的_jina_key
JINA_BASE_URL="https://r.jina.ai"
E2B_API_KEY=你的_e2b_key

# LLM 摘要
SUMMARY_LLM_BASE_URL=你的_llm_base_url
SUMMARY_LLM_MODEL_NAME=你的_llm_model_name
SUMMARY_LLM_API_KEY=你的_llm_api_key

# 评估 Judge
OPENAI_API_KEY=你的_openai_key

其他工具（如视觉、语音、推理等）也可选配置，详见仓库中工具文档。(GitHub)

---

📊 跟踪收集 Trace Collection

cd apps/collect-trace

# 收集 SFT 轨迹
uv run bash scripts/collect_trace_claude37.sh
uv run bash scripts/collect_trace_gpt5.sh

# 收集 DPO 轨迹
uv run bash scripts/collect_trace_qwen3.sh

---

❓ 常见问题与故障排除

哪个版本适合我？

• v1.0：最新版本，支持 256K 上下文与 600 次工具调用，推荐 single_agent_keep5 配置。
• v0.2：中等版本，支持 64K 上下文与工具交互。
• v0.1：历史版本，40K 上下文。 (GitHub)

内存不足怎么办？

• 减少上下文长度
• 使用 single_agent_keep5 保留部分历史上下文
• 降低并发任务数
• 使用更小型号模型 (GitHub)

工具执行错误？

• 检查 API Key 是否正确
• 验证服务端点是否可达
• 查看日志信息帮助定位错误 (GitHub)

---

📄 许可证

本项目采用 MIT 许可证。详见仓库 LICENSE 文件：
https://github.com/MiroMindAI/MiroThinker/blob/main/LICENSE (GitHub)

---

🙏 致谢

我们感谢：

• 基准贡献者提供评估数据集
• 开源社区提供工具和库
• 所有贡献者对 MiroThinker 的改进与支持 (GitHub)

---

📌 参考文献

如果在科研中使用本项目，请引用：

@article{miromind2025mirothinker,
  title={MiroThinker: Pushing the Performance Boundaries of Open-Source Research Agents via Model, Context, and Interactive Scaling},
  author={MiroMind Team and Bai, Song and Bing, Lidong and Chen, Carson and …},
  journal={arXiv preprint arXiv:2511.11793},
  year={2025}
}
``` :contentReference[oaicite:28]{index=28}

技术报告（可直接访问）：

https://arxiv.org/abs/2511.11793 :contentReference[oaicite:29]{index=29}

---

上述即为 **MiroThinker README.md 的完全翻译**，包括所有核心内容、表格、指令及说明。如需要后续部分（如 MiroFlow Deployment、工具 README 等翻译），我也可以继续协助。
::contentReference[oaicite:30]{index=30}

参考资料