这个东西非常好，不是跑分货。
Miro Thinker用来源中低配模型，跑通了DeepResearch。
它并不主要取决于模型的大小，而是取决于后训练的方式，Agent-Specific Post-training。
Miro Thinker 主要特点是 极佳的搜索直觉，在第一次搜索时，往往就能找到最佳的几个网站。
考虑到它的基础模型，模内的常识不足，训练数据过早，光靠基础模型的直觉是拉不动的。
这显然需要对模型进行大刀阔斧的后训练。
他有一个Scaling Law，叫做交互式Scaling。这是它的杀手锏。不同于单纯堆算力或上下文长度，它通过增加与环境（如搜索引擎、工具）的交互频率来提升性能。最多可以达到400~600次的工具调用。
像智谱或豆包的 Deep Research，受限于 Token 成本和推理效率，会在搜索 5-10 次后强制进入“归纳阶段”。Miro Thinker 的 Scaling Law 认为：推理的质量与与环境交互的次数成正比。
很明显，这个Scaling Law非常有效，把互联网地皮一层一层地掀起来。
最重要的，我觉得就是保持一种直觉——模型应该考虑“我的结论是否已经充分且扎实的”，分得清楚概念之间的细微区别，比如标准版和Pro版操作有可能是不一样的，搜索到了Pro版，不代表标准版也能使用同样的操作。。无论你Scaling多少次，你没有这个直觉，很多操作都是废的。
Miro Thinker懂得在概念的细微差别里反复横跳，它那种“我的结论是否已经扎实”的自我怀疑感，是它不像个智障的关键。
我测试了冷门游戏（KOEI系游戏）数据搜索，企业与产品（咖啡公司）的调查，某个事件（宝马Alpina）的舆情报告，冷门硬件的hard reset操作指南，OpenAI最新硬件，OpenAI的投资与算力合同。
这些做的都很好。不过它有点不长记性，比方说有些知乎的内容，它需要登录才能搜索，他第一次不行，放弃了。然后第二次还是会去搜索。它还会去搜索哔哩哔哩的视频下面的简介。那种视频下面基本上都没有什么有用的东西。它可能不知道，B站简介里除了UP主的充电求关注，剩下的全是“见置顶评论”。
不能解读图片和视频，是它比较大的硬伤，如果材料是图片和视频形式的，那么对它来说就是无效信息。
如果Deep Research这个产品类型主要跟交互的Scaling有关，那么，用大模型去拉搜索结果，这个方式就有可能是错的，而是要用小模型低成本去拉高交互Scaling的量。