研發背景
MiroFlow用於處理AI Agent領域的一些限制。該框架由MiroMind AI團隊開發,屬於其“MiroMind Open Deep Research”深度研究項目。MiroFlow是一個開源的智慧型體框架。
發展歷程
MiroFlow框架自2025年8月首次開源後持續疊代。2025年8月8日,MiroFlow v0.1作為該研究智慧型體框架的首次完全開源版本發布。2025年8月26日,團隊發布了GAIA驗證軌跡(73.94% pass@1)和用於本地部署的Gradio演示。2025年8月27日,v0.2版本發布,在多個智慧型體基準測試中達到了先進水平,具體包括HLE (27.2%)、HLE-Text-Only (29.5%)、BrowserComp-EN (33.2%)、BrowserComp-ZH (47.1%)和xBench-DeepSearch (72.0%)。2025年9月15日,v0.3版本發布,其增強了代碼庫架構並顯著提升了基準性能,在FutureX未來預測基準中排名第一,並將
GPT-5的預測準確率提升了11%。
2026年3月,MiroFlow發布了1.7版本與MiroThinker 1.7,這是一個主要版本更新,新增了Web套用界面(FastAPI + React)、用於基準評估的綜合驗證系統,並擴展了大型語言模型支持,包括
Kimi K2.5和
GPT-5。
核心技術
MiroFlow旨在解決
AI Agent領域在靈活性、穩定性與成本方面的挑戰。其核心設計採用基礎層、智慧型體層和控制層的三層架構。基礎層提供所有智慧型體共用的底層能力,包括語言模型後端、工具集和輸入輸出處理器。智慧型體層作為獨立的工作單元,每個智慧型體節點擁有自己的上下文、提示詞、工具集和I/O處理器,節點之間通過結構化訊息通信。控制層負責根據用戶輸入和預定義的智慧型體圖配置進行全局調度與流程編排,同時維護日誌和檢查點以確保結果可復現。
MiroFlow引入智慧型體圖概念,以
有向圖形式定義和管理
多智慧型體間的協作關係。框架提供可選的重推理模式,通過擴展計算資源或疊代驗證策略提升答案可靠性,該模式在GAIA-Val等基準測試上有效提升性能。為保障系統魯棒性,MiroFlow設計了訊息規範化、重試機制和故障隔離三套核心機制,
消融實驗證明了其價值。框架內置高並發處理與容錯能力,以應對API限速與網路不穩定。上述技術共同支撐MiroFlow在多個基準測試中實現高性能與高可復現性。
運營模式
MiroFlow是一個完全開源的智慧型體框架,其代碼、配置及基準測試結果均公開,遵循Apache 2.0協定。該框架強調結果的可復現性,所有報告結果均為三次運行取均值,並將可復現性作為硬性指標。
MiroFlow提供了配套的基準測試套件與高質量軌跡數據集,以支持全面的性能評估。同時,MiroFlow致力於建設一個開放創新者平台,為研究者和開發者提供從基礎框架、模型到工具鏈的完整支持。
核心團隊
MiroFlow由慈善家
陳天橋創立的AI公司MiroMind AI研發。團隊由
清華大學教授
代季峰領銜。代季峰曾在其個人部落格中指出,MiroFlow推理框架可以基於閉源模型獲得更強性能,而MiroThinker是團隊自研的開源深度研究核心模型。根據其官方研究論文,MiroFlow的核心研發團隊成員包括
施騫、邢森、董璇、鐘慕岩、王斌、朱錫州、
陳運濤、王汶海、鄧岳、
朱鵬翔等人。