- Дата публикации
MiroThinker-1.7: новый агент для длинных задач с контекстом 256K и до 300 инструментов за раз
Что появилось / что изменилось
MiroMind представила линейку агентных моделей MiroThinker-1.7 и MiroThinker-1.7-mini для задач с длинной цепочкой действий.
Главные факты:
- Контекст до 256K токенов в MiroThinker-1.7. Это уровень «прочитать и удержать в голове большую книгу или несколько отчётов сразу».
- Поддержка до 300 вызовов инструментов в рамках одной задачи. Агент может много раз ходить в поиск, базы данных, внешние сервисы и возвращаться к рассуждению.
- Заявлен SOTA‑уровень (state-of-the-art) в задачах «глубокого ресёрча» среди открытых моделей — речь именно про сложные многошаговые сценарии, а не про чат «вопрос–ответ».
- Две основные версии:
- около 30B параметров — более компактная, потенциально для локального или более дешёвого развёртывания;
- около 235B параметров — тяжёлый вариант для максимального качества.
- Вместе с моделями MiroMind выложила набор инструментов и готовых воркфлоу на GitHub и в коллекции на Hugging Face.
- Отдельно есть проприетарный агент MiroThinker-H1. Его задача — показывать «длинную цепочку рассуждений», которую можно проверять по шагам.
Как это работает
MiroThinker-1.7 — это не просто чат-модель, а основа для агентных систем:
- Большой контекст 256K позволяет держать в памяти длинные цепочки запросов, промежуточные результаты поиска, документы и историю решений. Агенту не нужно постоянно «обрезать» прошлые шаги.
- До 300 tool calls в одной задаче означает, что модель умеет работать в режиме «план → действие → проверка → корректировка» десятки и сотни раз. Например: сходить в поиск, разобрать результаты, запросить ещё данные, пересчитать, свериться с другим источником и так далее.
- Две размерности (30B и 235B) дают разные профили: меньшая модель — быстрее и дешевле в инференсе, старшая — для максимально сложных сценариев, но с более тяжёлыми требованиями к железу.
- MiroThinker-H1 фокусируется на «верифицируемом рассуждении». Модель явно раскладывает решение на шаги, которые можно просмотреть и проверить. Это важно для длинных агентных пайплайнов, где ошибка на раннем шаге ломает весь результат.
- Вокруг моделей MiroMind собрала набор инструментов и воркфлоу: готовые сценарии для подключения поиска, внешних API, работы с документами. Всё это лежит на GitHub и в коллекции на Hugging Face, так что можно сразу строить свои агенты, а не начинать с нуля.
Что это значит для вас
Для чего MiroThinker-1.7 реально полезен:
- Глубокий ресёрч и аналитика. Сценарии вида: собрать данные из десятков источников, прогнать через несколько раундов анализа, сравнить, построить сводку. Здесь важны и 256K контекста, и сотни вызовов инструментов.
- Сложные агентные пайплайны. Если вы строите ассистента, который сам планирует шаги: ищет, читает документы, вызывает внутренние сервисы, пишет отчёт, проверяет себя — MiroThinker-1.7 заточен именно под такие цепочки.
- Работа с длинными документами. От технической документации до юридических материалов: модель может держать в контексте большие массивы текста и не терять нить рассуждений.
- Эксперименты с верифицируемым reasoning. Если вам важно видеть пошаговые объяснения и иметь возможность проверять логику, MiroThinker-H1 как раз про это.
Когда MiroThinker-1.7 может быть не лучшим выбором:
- Простой чат и креатив. Для обычного общения, коротких текстов и генерации идей тяжёлый агентный стек с 256K контекстом избыточен. Дешевле взять более лёгкую модель.
- Ограниченный бюджет на инфраструктуру. Модель на 235B параметров потребует серьёзных ресурсов: мощные GPU, продуманную оркестрацию и мониторинг. Если вы не готовы вкладываться в железо, имеет смысл смотреть на версию 30B или вообще на меньшие модели.
- Онлайн-доступ из России. MiroThinker распространяется через Hugging Face, GitHub и собственный сайт MiroMind. Доступ к ним в России может потребовать VPN, это стоит учесть.
Если вы:
- строите свой ресёрч-агент или корпоративного ассистента,
- готовы разворачивать модели уровня 30B–235B,
- хотите контролировать цепочку рассуждений и работу инструментов,
MiroThinker-1.7 выглядит как интересная основа для экспериментов и продакшена.
Место на рынке
MiroThinker-1.7 играет в нише открытых агентных моделей для сложных задач.
Ключевые моменты позиционирования:
- Открытый стек. В отличие от закрытых систем вроде GPT‑5 или Claude 4, здесь есть модели на Hugging Face и репозиторий на GitHub. Это удобно, если вам важно локальное развёртывание, контроль данных и кастомная интеграция.
- Фокус на длинных цепочках. 256K контекста и до 300 вызовов инструментов за задачу — это ставка на сценарии, где агент работает долго и много раз пересматривает свои решения.
- Две размерности параметров. Наличие и 30B, и 235B версий позволяет подстраивать стек под свои вычислительные возможности, не меняя архитектурный подход.
- Упор на верифицируемое рассуждение. MiroThinker-H1 показывает, что MiroMind делает ставку не только на «ответ», но и на проверяемый процесс его получения.
Цифрового сравнения по скорости, стоимости токена или прямых бенчмарков против GPT‑5, Claude 4 или других крупных моделей в открытых материалах нет. Из конкретных заявлений — SOTA в задачах глубокого ресёрча среди открытых моделей и упор на длинные агентные цепочки.
Если вам нужен контролируемый агентный стек с длинным контекстом и вы готовы работать с открытыми моделями, MiroThinker-1.7 и MiroThinker-1.7-mini выглядят как сильные кандидаты для пилотов и боевых внедрений.