产品定位：从聊天到研究的范式转变
MiroThinker的定位与传统AI聊天机器人存在根本性差异。产品官方定位为"为深度理解而非闲聊而生"，其目标用户是需要进行复杂研究、证据验证和预测分析的专业人群。与传统大模型试图将所有人类知识记忆进参数不同，MiroThinker采用的"科学家模式"强调主动查证：当遇到不确定的问题时，它会执行"提出假设→查询外部世界数据/证据→发现不匹配→修正假设→再次验证"的慢思考研究闭环，直到证据收敛才给出结论。
核心技术：交互式扩展驱动的高效推理
MiroThinker的核心技术突破在于"交互式扩展"范式。团队认为传统的Scaling Law已触及边际瓶颈，未来的智能增长空间应从内部参数扩展转向外部信息交互。在这一理念下，产品刻意将模型参数控制在30B至235B的轻量范围，将节省的算力用于外部信息获取与交互质量提升。MiroThinker-1.5的30B版本以仅1/30的参数量，在BrowseComp基准测试中得分56.1%，接近Gemini DeepSearch的59.2%，推理成本仅为同类产品的1/20。最新1.7版本在BrowseComp-ZH上达到75.3%的SOTA成绩。
功能特性：深度研究模式与多轮并行
MiroThinker提供多项面向深度研究的功能。HeavyMode重型模式支持多轮并行研究，从不同角度同时启动独立研究任务并综合所有发现；跨验证机制使多路径结果相互印证，提高结论可靠性；实时进度追踪面板让用户可视化监控每个研究任务的进展。产品还支持256K超大上下文窗口，适合处理长文档和复杂文献综述。此外，每个任务最多可进行300次工具调用，为真正自主的研究工作流提供了技术保障。
实际表现：从金融预测到前沿科学
MiroThinker在多个领域展现了超越传统大模型的能力。在金融市场预测方面，提前15天预测黄金价格误差仅0.08%；在体育赛事预测中，一个月前准确预测超级碗冠军；在科研领域，FrontierScience-Research和FrontierScience-Olympiad基准测试中创下新纪录。这些表现验证了其"验证为中心"的推理模式在实际应用中的价值。产品还提供了信息源引用标注功能，让每条结论有据可查，有效解决了大模型的幻觉问题。
使用方式与生态
用户可通过dr.miromind.ai直接访问Web端体验，支持邮箱验证码无密码登录。MiroMind团队在GitHub上开源了核心框架和部分模型权重，为开发者提供本地部署的可能。产品还提供移动端App，将深度推理能力带到移动场景。Powered by MiroMind, Inc.，该产品由陈天桥创立的AI公司持续迭代，是当前开源搜索智能体领域的标杆产品。
