MiroThinker 1.5 搜索智能体的发布，为解决现有模型推理成本高、易产生幻觉等问题提供了新思路。它通过核心技术实现了动态认知与自我修正，在大幅降低成本的同时，达到了业界领先的性能，展现了智能体发展的新方向。
智能速览
推理成本降至 Kimi-K2-Thinking 的二十分之一。
在搜索智能体基准 BrowseComp 中取得 SOTA 性能。
支持256K上下文与单任务400次工具调用。
核心技术使模型具备主动求证与防幻觉能力。
开源30B与235B版本，适配不同计算资源。
精华内容
MiroThinker 1.5 的突破并非偶然，其“人类科学家”般的推理能力源于两项独特的技术创新，这些技术从根本上重塑了模型的训练与验证机制。
性能与成本
MiroThinker 1.5 在性能上实现了显著突破，其推理成本仅为 Kimi-K2-Thinking 的二十分之一，同时保持了高可靠性与逻辑一致性。在权威的搜索智能体基准测试 BrowseComp 中，该模型超越了 ChatGPT-Agent 等主流模型，取得了 SOTA（State-of-the-art）的性能表现。
在与 ChatGPT 的实际对比评测中，MiroThinker 1.5 通过深入的研究、查证与自我修正，给出了更为精准的答案。该模型支持 256K 的长上下文窗口，并能在处理单个任务时完成高达 400 次工具调用，展现了强大的长程推理与深度分析能力。
交互式扩展
MiroThinker 1.5 的核心优势之一是“训练时交互式扩展”技术。该技术将“推理-验证-修正”的循环过程深度内化为模型训练的核心环节，使其学会主动求证、进行多轮校验并有效防止幻觉产生。
通过这种方式，模型在与外部环境的交互中能够持续优化其逻辑路径，从而以更少的参数量实现更高的智力密度。研究团队此前已验证，当模型的智能体与环境交互得更深、更频繁时，其性能会呈现可预测的增长，显示出“交互深度”与模型规模、上下文长度类似的 Scaling 特征。
时序敏感沙盒
另一项关键技术是“时序敏感训练沙盒”。为了训练模型的逻辑严谨性，该沙盒通过引入可控的时间戳与信息可见性约束，构建了一个时序敏感的训练环境。
这个机制迫使模型在推演与验证时，只能依据“过去的信息”，从而有效避免了因接触到“未来信息”而导致的性能虚高和逻辑漏洞。这种严谨的训练方法，是 MiroThinker 1.5 获得高度可靠性与逻辑一致性的重要保障。
开源与可用性
为促进技术普及和适应不同的计算资源需求，研究团队开源了 MiroThinker 1.5 的 30B 和 235B 两个版本。同时，团队还配备了完整的工具链和工作流，为研究者和开发者提供了极大的便利。
这种开源策略使得无论是资源有限的研究机构还是需要进行大规模实验的企业，都能根据自身的预算和场景，灵活地使用和改进这款先进的搜索智能体，有望加速整个领域的技术迭代与应用创新。
MiroThinker 1.5 通过技术创新，在成本、性能与可靠性上为搜索智能体树立了新标杆。其开源策略也将加速该领域的研究与应用。这种兼具高智力密度与低成本的智能体，是否会成为未来AI应用的主流形态？
