一个开源的深度研究智能体，专门针对研究和预测任务优化，在GAIA基准测试中达到80.8%的Avg@8成绩，支持256K上下文窗口和高频工具调用。
一分钟了解#
MiroThinker是一个开源的深度研究智能体，专为研究和预测任务设计。它在多个权威基准测试上表现优异，包括GAIA、BrowseComp等，实现了业界领先的性能。MiroThinker支持256K超大上下文窗口和高频工具调用，能够处理复杂的长期推理和多步分析任务。
核心价值：通过"交互式扩展"技术，在模型大小和上下文长度之外增加第三个性能维度，显著提升研究智能体的深度分析能力。
快速上手#
安装难度：中 - 项目提供了完整的部署指南，需要Python环境和相关依赖，但官方提供了多种部署选项以适应不同需求。
# 克隆仓库
git clone https://github.com/MiroMindAI/MiroThinker.git
# 安装依赖
pip install -r requirements.txt
适合我的场景吗？
- ✅ 深度研究需求：适合需要长时间、多步分析的研究任务，如市场调研、学术研究等
- ✅ 预测分析：在金融预测等领域表现出色，MiroThinker-v1.5超越了Kimi-K2-Thinking
- ❌ 简单问答：对于单轮简单问题，可能过于复杂且资源消耗较大
- ❌ 资源受限环境：大参数版本需要大量计算资源，不适合个人小规模部署
核心能力（可选）#
1. 交互式扩展 - 解决传统研究智能体局限性#
- 通过训练智能体处理更深、更频繁的智能体-环境交互，作为第三个性能改进维度，超越了仅扩展模型大小或上下文长度的限制 实际价值：显著提升智能体的分析深度和准确性，使其能够处理更复杂的研究任务
2. 256K上下文窗口 - 支持长期推理#
- 支持超长上下文窗口，能够处理需要大量背景信息的复杂研究任务 实际价值：无需频繁截断上下文，保持分析的连贯性和完整性，适合深度报告生成
3. 高频工具调用 - 增强分析能力#
- 支持每任务最高600次工具调用(v1.0)或400次(v1.5)，远超之前的开源研究智能体 实际价值：能够获取和整合大量多源信息，提高研究分析的全面性和准确性
4. 多规模模型选择 - 灵活适应不同需求#
- 提供从8B到235B不同参数规模的模型，适应不同计算预算和应用场景 实际价值：用户可以根据自己的资源和需求选择合适的模型版本，平衡性能与成本
技术栈与集成#
开发语言：Python 主要依赖：基于Qwen系列模型，包含多种训练和优化工具 集成方式：SDK/库 - 提供完整的工具和框架支持，可与外部工具和API无缝集成
维护状态（可选）#
- 开发活跃度：高度活跃 - 项目自2025年8月发布以来持续迭代，已更新至v1.5版本
- 最近更新：近期 - 2026年1月新增了研究报告生成功能和多种文档上传支持
- 社区响应：积极 - 项目持续获得性能提升和新功能更新
商用与许可（可选）#
许可证：开源许可证
- ✅ 商用：允许商业使用
- ✅ 修改：允许修改和分发
- ⚠️ 限制：具体限制需参考项目许可证文件
文档与学习资源（可选）#
- 文档质量：全面 - 包含详细的技术报告、快速开始指南和常见问题解答
- 官方文档：项目README中包含完整的使用指南和性能评估
- 示例代码：提供Gradio演示和多种部署选项