MiroThinker 1.5 是一個開源的、最先進的深度研究模型。 它不是生成合理的答案，而是運行「推理-驗證-修訂」循環。搜索來源，交叉引用數據，引用所有內容。30B 參數與 30 倍更大的模型相匹配，成本卻低 20 倍。 我用 2 個用例測試了這個模型。以下是它的表現。 1/7

2/7 我用 2026 年世界杯的預測進行了測試： 我使用的提示："哪個國家最有可能贏得 2026 年 FIFA 世界盃？分析當前的 FIFA 排名、球隊深度、歷史賽事表現、資格賽結果。提供概率估算及來源。"

3/7 我用 RAM 價格預測進行了測試："目前 RAM 價格極高 - 2025-2026 年的前景如何？" 我使用的提示： "目前 RAM 價格處於高峰水平。2026 年的價格預測是什麼？分析供應鏈因素、製造能力、需求趨勢。"

4/7 這與普通的 LLM 有何不同： 展示其工作過程 - 每次搜索、每個檢查的來源。你可以看到完整的研究過程，而不僅僅是結果。 引用所有內容 - 每個主張都鏈接到特定的來源。 量化不確定性 - 提供概率範圍和信心水平。當不確定時不會假裝確定。 解釋矛盾 - 當來源意見不一致時，會顯示雙方並解釋衝突。 動態更新 - 有新數據可用？它會修正分析並告訴你變更了什麼。 普通的 LLM 自信地產生幻覺。這個則進行實際的研究。

5/7 這對開發者和研究人員的重要性： 30B 參數匹配 1T 模型 - 更小、更快、更便宜。成本比 GPT-4 類模型低 20 倍。 開源 - 完整模型在 Hugging Face 上。框架在 GitHub 上。您可以自我託管。 真正的代理推理 - 像實際分析師一樣進行「研究 → 驗證 → 修訂」循環，而不僅僅是自動完成。 多工具協調 - 搜索網頁、閱讀文檔、交叉引用來源，所有操作在一個查詢中完成。 這就是生產級 AI 研究工具應該具備的樣子。

6/7 您可以在這裡閱讀完整的分析。 2026 年國際足總世界杯預測 - 2025-2026 年 RAM 價格展望 - 查看 MiroThinker 如何研究、引用來源並為每個項目建立概率估計。