企业官网建设流程全解析

合肥网站建设与设计,如何使用wp做网站,wordpress汉化插件,工作中存在的问题和不足MiroThinker 是一个开源的搜索代理模型#xff0c;旨在通过工具增强推理和现实世界信息搜索的能力#xff0c;实现与 OpenAI Deep Research 和 Gemini Deep Research 之间的深度研究体验相匹配。 #x1f680; MiroThinker 概述 MiroThinker 是 MiroMind 的旗舰研究代理模…MiroThinker 是一个开源的搜索代理模型旨在通过工具增强推理和现实世界信息搜索的能力实现与 OpenAI Deep Research 和 Gemini Deep Research 之间的深度研究体验相匹配。 MiroThinker 概述MiroThinker 是 MiroMind 的旗舰研究代理模型旨在提升工具辅助推理和信息搜寻的能力使复杂的现实研究工作流能够应对各种挑战。其核心功能包括MiroThinker开放源代码的搜索模型原生支持工具辅助推理在多个基准测试中取得领先性能。MiroFlow开放源代码的研究代理框架提供可复现的尖端性能。MiroVerse支持研究代理训练的优质开放源数据集包含 147,000 个样本。MiroTrain / MiroRL支撑研究代理模型稳健高效训练的基础设施。✨ 主要特点1. MiroThinker v1.5MiroThinker v1.5 是全球领先的开源搜索代理支持 256K 上下文窗口、长期推理和深入的多步骤分析。它的特点包括处理每个任务最多400 次工具调用相较于之前的代理实现了显著提升。提供30B 和 235B参数规模的多种可扩展选项适应不同的研究环境和计算预算。模型名称基础模型最大上下文最大工具调用HuggingFace 链接MiroThinker-v1.5-30BQwen3-30B-A3B-Thinking-2507256K400 linkMiroThinker-v1.5-235BQwen3-235B-A22B-Thinking-2507256K400 linkMiroThinker v1.5 在多个基准上实现了强劲的研究表现如 HLE-Text 达到 39.2%BrowseComp 达到 69.8%并在 GAIA-Val-165 中达到了 80.8%。这些结果超越了之前的开放源代理并设立了新的世界领先水平。2. MiroThinker v1.0与之前仅依赖模型规模或上下文长度进行扩展的模型不同MiroThinker v1.0 引入了交互式扩展系统性地训练模型处理更深和更频繁的代理-环境交互。其特点包括600 次工具调用极大地拓展了可处理的信息量。以8B、30B 和 72B参数规模发布提供全面的工具和工作流套件灵活支持多样的研究设置与计算预算。模型名称基础模型最大上下文最大工具调用HuggingFace 链接MiroThinker-v1.0-8BQwen3-8B256K600 linkMiroThinker-v1.0-30BQwen3-30B-A3B-Thinking-2507256K600 linkMiroThinker-v1.0-72BQwen2.5-72B-Instruct256K600 linkMiroThinker v1.0 在 HLE-Text 和 BrowseComp 上的性能也显示出显著提高分别达到 37.7% 和 55.6%。3. 训练数据与基础设施MiroVerse 提供丰富的训练数据集支持高清晰度的研究代理训练。利用 MiroTrain 和 MiroRL用户可以轻松构建稳定的训练环境确保研究代理模型效率最大化。 基准测试表现MiroThinker 在各项基准测试中的表现令人瞩目特别是在复杂任务中的准确性和深度推理能力上展示了其在现实应用场景中的强大适应性。 快速开始环境要求Python 3.10uv 包管理器安装指南需要的 API 密钥请参阅配置部分安装步骤# 克隆仓库gitclone https://github.com/MiroMindAI/MiroThinkercdMiroThinker# 设置环境cdapps/miroflow-agent uvsync# 配置 API 密钥cp.env.example .env# 编辑 .env 文件以添加您的 API 密钥如 SERPER_API_KEY, JINA_API_KEY 等工具配置MiroThinker 的工具配置涉及多个 API 集成以支持搜索、信息抽取和代码执行等功能。示例配置# 最小配置示例SERPER_API_KEYyour_serper_keySERPER_BASE_URLhttps://google.serper.devJINA_API_KEYyour_jina_keyJINA_BASE_URLhttps://r.jina.aiE2B_API_KEYyour_e2b_key运行第一个任务设置完环境后运行main.py来测试默认问题“今天计算机科学领域的 arxiv 论文标题是什么”cdapps/miroflow-agent# 使用 MiroThinker 模型uv run python main.pyllmqwen-3agentmirothinker_v1.5_keep5_max200 llm.base_urlhttp://localhost:61002/v1对比同类项目MiroThinker 作为一个开源项目其具有与其他研究代理模型的竞争优势。例如WebThinker和WebAgents也专注于提供高效的信息检索和处理能力。MiroThinker 的优势在于对交互式扩展的支持它能在模型规模和上下文长度外通过实时反馈进一步提升性能满足更为复杂的任务要求。如需了解更多关于类似项目的信息可以访问他们的 GitHub 页面。