MiroMind 開源 MiroThinker-H1：把驗證塞進推理，預測金價僅差 0.08%

讓大模型做深層研究，最怕的不是它查不到資料，而是它一本正經地在中間步驟裡胡說八道，最後交出一份看似嚴謹的幻覺報告。

MiroMind 宣佈開源兩款專門針對重度研究場景設計的智慧體：MiroThinker-1.7 以及在其基礎上構建的旗艦系統 MiroThinker-H1。它們的核心邏輯不是盲目增加推理步數，而是把驗證機制直接嵌進了模型思考的每一步。

官方還曬出了一些頗具視覺衝擊力的預測戰績。比如在 2 月 10 日預測 2 月 25 日的黃金價格，最終實際誤差僅有 4 美元，偏離度約 0.08%。在 1 月 6 日它提前一個月預測西雅圖海鷹隊（Seattle Seahawks）拿下超級碗冠軍，以及提前判斷 Kendrick Lamar 成為格萊美大贏家，後來都被事實印證。這些案例雖然帶有宣傳秀肌肉的成分，但背後依賴的是海量檢索、證據交叉審計與機率整合。

把即時審計塞進推理流水線

普通智慧體通常是在前面埋頭檢索、拼湊答案，一旦中間哪一步找錯了方向，後面就全線崩塌。MiroThinker-H1 換了個思路，搞了一套雙層驗證系統。

首先是區域性驗證器（Local Verifier），它會在推理執行時即時審計每一個動作，包括規劃拆解、工具呼叫和假設更新，在錯誤剛露出苗頭時就把它掐死。根據官方資料，在 BrowseComp 的困難子集測試中，區域性驗證器讓平均互動步數驟降了大約 82%，同時準確率還逆勢提升了 26.4 個百分點，直接砍掉了傳統智慧體那種無腦試錯的毛病。

其次是全域性驗證器（Global Verifier）。當一整套推理鏈條跑完後，它會利用「驗證往往比生成更容易」的特點，回過頭對整條證據鏈和候選解答路徑進行終審。只要證據不閉環或者不夠紮實，系統就會拒絕給出草率答案，強行要求智慧體重新取樣或延長思考，直到整條邏輯鏈被嚴密支撐。

這套能力的背後是一整套四階段訓練方案。從早期的原子化智慧體中期訓練，到基於思維行動觀察三元組的有監督微調（SFT），再到僅以答案正確性為排名訊號的直接偏好最佳化（DPO）。在最後的強化學習階段，團隊基於 GRPO 引入了針對低機率詞元的靶向熵控制，並配合優先順序排程機制，確保長尾困難任務在早期就能被充分學習。

2350 億引數巨獸與基準表現

體量方面，MiroThinker-1.7 是一款十足的重型模型。它擁有 2350 億（235B）引數，支援 256K 上下文視窗。完整版模型體積大約 470GB，本地部署需要多張頂級高階 GPU 才能跑得動。考慮到普通玩家和中小團隊的門檻，官方同時放出了一個體積約為 61GB 的 mini 版。

跑分資料同樣顯眼。在考驗多步網路研究的 BrowseComp 基準中，MiroThinker-H1 拿下了 88.2 分，超過了 Gemini-3.1-Pro（85.9）、Claude-4.6-Opus（84.0）以及 GPT-5.4（82.7）。在中文測試集 BrowseComp-ZH 上，它以 84.4 分領先 Seed-2.0-Pro 和 GPT-5。而在偏學術硬核的 FrontierScience-Olympiad 上，H1 跑出了 79.0 分，力壓 GPT-5.2 的 77.1 分與 Gemini-3-Pro 的 76.1 分。

不過需要提醒的是，業內在對比測試時往往會有些小心思。比如在不同基準測試中拉出來陪跑的對比模型版本並不完全統一，部分對照組版本稍顯滯後，這些分數可以證明它躋身頂尖陣營，但不必神化。

為什麼重要

我們認為，MiroThinker 這套方案最聰明的地方，在於它精準踩痛了大模型做深度研究時的致命短板：長程推理中的誤差滾雪球效應。

過去的 Agent 要麼靠暴力的模型尺寸硬扛，要麼靠在提示詞裡反覆要求「請一步步思考」，但缺少系統級的過程糾偏。MiroMind 把驗證拆成區域性即時糾錯與全域性終審，證明了通過有效互動擴充套件提升每一步質量，收益遠高於單純拉長計算步數。對於從事金融分析、學術調研和戰略情報整理的研究人員來說，這種具備證據審計能力的工具，輸出結論的可信度大幅提高。

對行業而言，它再次拉高了開源智慧體在頂尖閉源模型面前的話語權。過去深度網路搜尋和嚴密科學推理幾乎是巨頭商業 API 的護城河，現在一個全尺寸 235B 開源模型能在多項測試中正面對抗閉源第一梯隊，會倒逼行業重新審視推理期架構設計。

不過問題依然存在。完整版 470GB 的視訊記憶體開銷意味著極高的私有化部署成本，大多數個人開發者只能指望 61GB 的 mini 版或者雲端服務。而且預測金價這類案例雖抓人眼球，實際生產環境面對未知變數時，雙層驗證到底會帶來多大的延遲損耗，仍然需要在真實業務中持續檢驗。