Hi，我是银海。

GitHub 上刷到一个项目，Star 数涨得挺快，2300 多个，看名字是个搜索 Agent。

点进去一看，是 MiroThinker v1.5，1 月 5 号刚开源。

Github地址：https://github.com/MiroMindAI/MiroThinker

一开始我也以为又是一个“Agent 套壳”，结果认真看了下测试和使用方式，发现它走的路线跟现在大多数模型不太一样。

简单讲一句话版本：它不是靠模型更大，而是靠模型更“不自信”。

现在很多大模型的默认前提是：我已经知道答案了，我只需要把我知道的告诉你。

MiroThinker 的前提正好相反：我不知道，所以我要去搜索查证，然后再告诉你。

这不是一句口号，它在工程和训练上真的这么做了，采用Interactive Scaling 交互式扩展技术，这种方式可以让模型在连续的长篇对话中通过不断的反馈来自我修正，这样就能够更精准地获取信息。

在 BrowseComp 这个专门测“联网搜索 + 复杂信息整合”的基准上，MiroThinker-v1.5-235B的成绩甚至是超越了 ChatGPT-Agent。

这个点很关键。

因为 BrowseComp 测的不是你“懂多少常识”，是你能不能在互联网上，把零散、冲突的信息梳理成一个可靠的结论。

这种与普通AI的差异在实际体验中非常明显。

我看了几个官方和用户放出来的 case，有个共同点：它几乎从不一次给答案。

它也给了个在线体验地址：https://dr.miromind.ai/

比如让它调研 “2026 年全球大模型竞争格局”，它前前后后做了三十多次搜索，点开了十几个网页，最后才输出结果。

并非是那种“一下子就看起来很全”的报告，它给的是那种你能明显感觉到：这是查过资料之后才敢下的判断。

包括模型在Thinking过程中，也提及“只有比较全面的数据集”了，才开始撰写回答并结构化。

有个细节我觉得挺有代表性。

很多 Agent 给的同类报告里，甚至没怎么提 Google，但它的分析里明确把 Gemini 后续版本算进了 2026 年的核心变量里。

这个判断对不对可以讨论，但至少不是拍脑袋写的。

“再比如问 A 股春节前走势。”

其实你仔细看它的这个思考过程，把我模糊的时间点问题进行一个具像化的描述。

然后根据搜索回的链接，一个一个浏览访问，根据结果信息进行聚合收敛。

它直接放弃了给具体点位，而是把问题拆成历史春节效应、政策环境、当前技术位强弱几个维度，最后给了一个概率区间，并明确说明这不是预测。

这个态度，本身就跟现在很多“自信型 AI”完全不一样。

另外我觉得做的很有意思的小细节，就是它属于一项搜索研究型任务，直接放在后台就可以，随时返回查看结果，细节做的挺好。

从实现上看，它有两个点我觉得对技术党很值得看：

一个是 Interactive Scaling，它允许模型在很长的交互中不断推翻自己、修正路径。

另一个是时序敏感训练沙盒，简单说就是不允许模型用“未来信息”回答过去问题，避免那种看起来很准、其实是作弊的分析。

这让它对实时动态问题的分析更贴合现实。

这也是为什么它会慢。

慢不是算力问题，是它真的在查证。

当然，它也不是万能的。

如果你只是随口问点东西，它会显得过于认真，如果你在内网环境，联网限制会是个问题，但如果你的需求本身就是调研、分析、查证，那它的这一套逻辑反而很对味。

正如它的Slogan一样：“Building the Best Open-Source Agent Foundation Models”

所以我现在对它的判断很简单：

如果你是普通用户，被信息噪声折磨过，可以直接去 Web 端试试，把复杂问题丢给它。

如果你是技术背景，这个项目非常适合拆，看它是怎么把“查证”变成一等能力的。

如果你只是关注开源方向，这也是一个值得 Star 的范式探索，不是又一个聊天模型。

链接我放在下面，自己试一圈，比看任何测评都直观。

Web 体验：https://miromind.ai/

模型下载：https://huggingface.co/miromind-ai/MiroThinker-v1.5-235B

GitHub：https://github.com/MiroMindAI/MiroThinker

以上就是本次的所有分享啦，我们下期再见 👋

© THE END

觉得我的内容还不错，顺手点个赞、分享、在看

都是对我最好的认可！