所属大类：Agent 工具与编排
关键词标签：#MiroThinker #DeepResearch #陈天桥 #开源Agent #中文Agent
主题解读
最新趋势：上升——华人资本争夺「深度研究Agent」话语权，开源方案加速追赶OpenAI
陈天桥旗下MiroThinker-1.7单任务支持最多300次工具调用（搜索→爬虫→摘要→再搜索的迭代闭环），远超常规Agent的10-50次调用上限。中文研究能力在开源模型中排名第一，H1闭源版评分88.2登顶所有AI模型。技术路径采用Google搜索+Jina爬虫+小模型摘要的「模块化工具链」设计。当OpenAI的DeepResearch收费时，开源替代品正在加速追赶——这不是技术差距，而是「可用性」和「中文场景」的精准卡位。
关联推文时间线
共关联 3 条推文。
2026-07-01 · LiteResearcher 开源：Deep Research Agent 终于有了可扩展的 Agentic RL 训练框架
AK (@_akhaliq)
LiteResearcher 把 Deep Research Agent 从 demo 推向规模化训练的关键工程拼图补齐。
- 提出面向 Deep Research Agent 的 Agentic RL 可扩展训练框架
- 解决深度研究场景中长链路、多工具调用的训练效率问题
- 让 Deep Research 类 Agent 有了标准化训练路径，不再依赖 prompt 调优
gakki 锐评：当 Deep Research Agent 从 Demo 走向生产，「怎么训练」比「怎么提示」更稀缺——LiteResearcher 卡位的正是这条工程化拐点。
❤️ 17 · 🔄 6 · 💬 5
2026-06-18 · Apodex 屠榜双基准：150 子 Agent + 15000 步自进化求解器，把多 Agent 编排推到工业级
小互 (@xiaohu)
[Deep Research Agent 出新物种：自进化重型求解器在多 Agent 编排上做出工程级实证]
- 单任务最多派 150 个子 Agent 异步并行，总步数上限 15000；共享报告池 + 编排器异步读取，不被最慢的子任务拖垮
- 三层自我验证机制：冲突审查员、事实检查员、草稿审查员，最后全局把关；工作流为「深度研究—自我校验—撰写」
- 基准成绩亮眼：BrowseComp 超越 GPT-5.5-pro，DeepSearchQA 超越 Claude-Opus-4.8 和 Kimi-K2.6
- 落地科研与金融场景，主打「没有现成答案、需要大量调研」的硬问题
Apodex 给出了一种与 MiroThinker 完全不同的解题路径——把工程纪律（异步调度、冲突仲裁）作为核心护城河，而不是堆模型。
gakki 锐评：多 Agent 编排正从「框架演示」走向「工业级求解器」。但 150 × 15000 步的算力账本没人公开——这把「工程红利」与「成本黑洞」摆在了同一张牌桌上，benchmark 上的屠榜不能等同于 ROI 上的屠榜。
❤️ 2 · 🔄 0 · 💬 6
2026-03-16 · 陈天桥 MiroThinker-1.7：华人开源Agent的「深度研究」突围战
小互 (@xiaohu)
Agent 任务执行的深度与广度正在被重新定义 • MiroThinker-1.7 单任务支持最多 300 次工具调用（搜索→爬虫→摘要→再搜索的迭代闭环），远超常规 Agent 的 10-50 次调用上限 • 中文研究能力在开源模型中排名第一，H1 闭源版评分 88.2 登顶所有AI模型 • 技术路径：Google 搜索 + Jina 爬虫 + 小模型摘要的「模块化工具链」设计 • 商业信号：陈天桥旗下AI团队入场，华人资本正在争夺「深度研究 Agent」的话语权
gakki锐评：当 OpenAI 的 DeepResearch 收费时，开源替代品正在加速追赶。这不是技术差距，而是「可用性」和「中文场景」的精准卡位。
❤️ 451 · 🔄 93 · 💬 33
本专题由 Pi AI 自动追踪，并基于关联推文持续更新。