开源深度研究的「四件套」革命：拆解 MiroMind ODR

为什么值得读： 这可能是开源社区第一次拿到「闭源 Deep Research 的完整生产线」——模型、数据、训练流程、Infra、Agent 框架一次全部开源，而且在 GAIA 上压过了 OpenAI 的 Deep Research。 事件时间：MiroMind ODR 于 2026-10-20 正式发布（前作 MiroThinker 论文发表于 2025-11）。

引言

过去两年，「Deep Research」类产品是各大实验室的兵家必争之地：OpenAI 的 Deep Research、Anthropic 的 Claude Research、xAI 的 Grok DeepSearch，个个都强，但个个都不告诉你它是怎么造出来的。开源社区并非毫无建树——WebThinker、WebDancer、DeepMiner 等项目做了大量探索，可它们要么只放出模型权重而不给工具链，要么规模小、交互深度浅，与商业系统之间始终隔着一条看得见的鸿沟。2026 年 10 月 20 日，代季峰加盟陈天桥旗下盛大网络后的技术首秀 MiroMind ODR（Open Deep Research）发布了：它一次开源了四个组件——Agent 框架、原生支持工具推理的模型、147K 条训练数据、完整训练基础设施。官宣的 GAIA 成绩是 82.4 分，超过了 Manus 和 OpenAI 的 DeepResearch。比分数更重要的是，这是一次「把整条生产线摆上台面」的开源。

一、这次开源到底开了什么：「四件套」的含金量

多数所谓的「开源 Agent」其实只开了一半：给你模型权重，至于训练数据怎么筛、强化学习的奖励怎么设计、Agent 与工具的交互管线怎么写，全靠社区自己猜。MiroMind ODR 的罕见之处在于四个组件同时开出来，形成一条闭环。MiroFlow 是 Agent 框架，负责把大模型扩展成能用工具做深度研究的智能体，并提供可稳定复现最高性能的执行管线；MiroThinker 是原生支持工具辅助推理的大语言模型，可训练、可复现，是整套系统的智能核心；MiroVerse 是 147K 条高质量训练轨迹数据，全部来自真实 Agent 执行过程的沉淀；MiroTrain 则覆盖整个训练流程的 Infra，包括长文本训练和 RL 训练工具。

四个组件之间的关系构成一个数据飞轮：MiroFlow 驱动 Agent 产生高质量研究轨迹，沉淀进 MiroVerse，用 MiroTrain 喂给 MiroThinker 做进一步微调，变强的模型再回到 MiroFlow 里驱动更强的 Agent。团队还承诺保持每月一次的开源更新节奏。这意味着社区拿到的不是一版「快照」，而是一条可以持续跟进的进化流水线——这是此前所有开源 Deep Research 项目都没给过的东西。

二、核心技术思想：交互扩展，第三个 Scaling 维度

MiroThinker 论文最值得细读的贡献，是它提出了一个新概念：interaction scaling（交互扩展）。过去人们提升 Agent 能力无非两招——把模型做大、把上下文窗口拉长。这篇论文把「智能体与环境交互的深度和频率」立为第三个独立维度：训练模型去处理更深、更频繁的工具调用，让「想—搜—看—再想」的循环本身成为可扩展的性能来源。

它的直觉很扎实：纯语言模型的 test-time scaling 是「闭门造车」，推理链一长就容易跑偏；而带环境反馈的交互扩展，每一步都能用真实搜索结果纠错、补证据，错误可以被中途修正。工程上他们做了两件事支撑这一点：一是把单任务的工具调用上限做到 600 次、上下文拉到 256K（此前开源模型的工具调用大多不到 100 次）；二是设计了一个「近因上下文保留」机制——只保留最近的工具返回、但保留完整的思考与动作轨迹，既省上下文又不丢推理连贯性。结果是，交互深度像模型规模一样，呈现出可预测的 scaling 曲线：交互越深，复杂研究任务上的表现越稳地提升。

更早的 MiroMind-M1（数学推理系列）已经展露了这支团队的训练功力：在 719K 精选数学题上做 SFT，再用 62K 难题做可验证奖励的强化学习（RLVR），并自研了 CAMPO（上下文感知的多阶段策略优化）算法，在 7B 级别的 AIME24/25 和 MATH500 上做到同规模开源最强。可以看出来，ODR 不是一次灵感乍现的发布，而是沿着「可验证的训练 + 交互扩展」这条路走了一年多的结果。

三、成绩单怎么看：82.4 分背后的开源—闭源攻守

先看数字。发布方称 ODR 在 GAIA 上拿到 82.4 分，超过 Manus 与 OpenAI 的 DeepResearch；在 GAIA 的纯文本子集 GAIA-Text-103 上为 60.2%，接近 OpenAI Deep Research。论文中 MiroThinker v1.0 的 72B 版本在四个基准上的成绩是：GAIA（文本）81.9%、HLE 37.7%、BrowseComp 47.1%、BrowseComp-ZH 55.6%，全部是当时开源最佳、逼近 GPT-5-high 等商业系统。两个数字口径略有不同（ODR 是模型 + MiroFlow Agent 框架的整体成绩，论文是模型本体的成绩），但方向一致：开源 Deep Research 第一次在综合基准上站到了闭源系统的同一水平线。

但分数要冷静地读。GAIA 测的是通用助理任务的完成度，不是研究深度的全部；BrowseComp 类基准侧重「在网上找到极难找的信息」，恰好是工具调用型 Agent 的强项。真正的考验在长周期、多假设的真实研究任务上，那里闭源系统的工程打磨（搜索基础设施、结果综合质量）仍有优势。ODR 的意义不在于「从此开源赢了」，而在于它把差距从「方法论黑盒」缩小成了「工程资源」问题——而工程资源，恰恰是社区最擅长用时间去磨平的东西。

四、背后的人与盘算：为什么是现在，为什么是他们

代季峰这个名字在视觉领域分量很重：R-FCN、Deformable ConvNets 的作者，InternVL 多模态基础模型的主导者（Hugging Face 下载超千万次），清华副教授、微软亚研首席研究员、商汤执行研究总监一路走来。据科创板日报消息，他加盟陈天桥旗下的盛大网络，正在筹备一家以 AGI 为目标的新 AI 公司，号称要做「第二个 DeepSeek」。MiroMind 的官网使命写得更直白：打造「具备自我意识的数字生命体」。ODR 既是这家新公司的技术首秀，也是代季峰「为 AGI 而来」的投名状。

对开发者和研究者来说，这次发布的实际价值有三层：第一，终于有一套可复现的 Deep Research 完整配方，从数据到 Infra 全给齐，做 Agent 研究的人可以直接站在上面迭代；第二，interaction scaling 给社区提供了一个新的发力方向——不堆参数、堆交互，可能是在算力受限下追赶闭源系统的更经济路线；第三，每月一次的开源节奏如果兑现，意味着开源 Deep Research 第一次有了「版本列车」，社区不用再各自从零造轮子。当然也要看到，Demo 目前还比较早期（仅支持单轮次英文输入），真正的生产级可用性还有待验证。

核实说明：发布信息与四组件结构来自量子位 2026-10-20 的首发报道（36kr 转载）；技术细节（interaction scaling、600 次工具调用、256K 上下文、近因上下文保留、四项基准成绩）来自 MiroThinker 论文（arXiv:2511.11793，2025-11-18 v2）。官方技术博客链接（miromind.ai/blog/miromind-open-deep-research）截至 2026-10-21 已返回 404，疑似站点改版，未能直接引用。

原文链接