L'équipe MiroMind a publié un tout nouveau modèle bAgent open-source : MiroThinker v1.0. Sa plus grande innovation réside dans l'introduction d'un nouveau concept : « la mise à l'échelle interactive ». Dépasser le goulot d'étranglement de la loi d'échelle, permettant à l'IA d'évoluer de manière autonome. Ce concept rompt avec le modèle de croissance linéaire traditionnel selon lequel « plus le modèle est grand, meilleures sont ses performances », et met plutôt l'accent sur le fait que « la profondeur et la fréquence de l'interaction entre le modèle et l'environnement » sont les facteurs clés d'une croissance intelligente. MiroThinker prend en charge de multiples interactions et inférences avec des outils externes (tels que les moteurs de recherche, les environnements sandbox Linux, la reconnaissance vocale, etc.), permettant aux utilisateurs d'utiliser ces outils de manière flexible pour obtenir des informations et accomplir des tâches. - 256K Contexte : Peut se souvenir d'une grande quantité d'informations (des centaines de milliers de mots). - Jusqu'à 600 appels d'outils peuvent être exécutés simultanément : l'IA peut utiliser en continu des outils externes tels que la recherche, l'exécution de code, le calcul et la traduction. - Capable de raisonnements complexes et de tâches de longue durée : non seulement répondre à des questions, mais aussi réfléchir étape par étape, rechercher des informations et comparer les solutions. Qu’est-ce que le « passage à l’échelle des interactions profondes » ? Performance ∝ Profondeur d'interaction modèle-environnement × Fréquence de réflexion Autrement dit: - Le modèle n'absorbe pas passivement les connaissances, mais interagit activement avec l'environnement ; - Chaque essai et chaque erreur, ainsi que la réflexion, permettent au modèle d'« évoluer » dans l'espace politique ; Plus l'IA « passe à l'action », plus elle peut corriger les erreurs et améliorer la qualité du raisonnement. De même que les humains ne peuvent véritablement apprendre des choses complexes que par la répétition d'essais et d'erreurs et par la pratique concrète. 🧩 Par exemple : Tout comme pour l'apprentissage de la cuisine, le simple fait de regarder des recettes est loin d'être suffisant ; il faut essayer, échouer, corriger et réessayer soi-même. Pour l'IA, les interactions répétées avec l'environnement, combinées à la correction par rétroaction, constituent le véritable moteur de l'évolution intelligente. Chaque interaction est une occasion d'apprentissage, et l'intelligence se développe sans cesse. Par conséquent, MiroThinker pousse à l'extrême la « longueur du contexte » et le « nombre d'interactions », formant ainsi une véritable « boucle de pensée ».
Dans de multiples évaluations internationales Des scores proches ou même supérieurs à ceux de la version avancée de GPT-5 : Il a obtenu un score de 47,1 % au test BrowseComp pour la compréhension des pages Web complexes, se rapprochant de DeepResearch d'OpenAI (51,5 %). Il a surpassé GPT-5-high au test de raisonnement ultime humain (HLE). Il surpasse DeepSeek-v3.2 d'environ 7,7 points de pourcentage sur les tâches en langue chinoise.
Entièrement open source et reproductible Toutes les ressources principales de MiroThinker v1.0 soxiaohu.ai/c/a066c4/mirot…nt : - github.com/MiroMindAI/Mir…e de raisonnement et d'interaction - Infrastructure de formation et d'apprentissage par renforcement - Ensemble de données d'évaluation - Rapport technique complet Présentation détaillée : https://t.co/wpST53dHtd GitHub : https://t.co/KQZr8sTcby