평소와 마찬가지로, 먼저 공개합니다: 저는 이 모델을 만든 팀의 일원입니다.

저희의 MiroThinker-1.7-deepresearch 및 1.7-mini-deepresearch API가 출시되었습니다. mini 모델은 Qwen3 MoE (mini 기준 총 30B, 활성 파라미터 3B)를 기반으로 구축된 심층 조사 에이전트 (deep research agent)입니다. HuggingFace의 가중치(Weights): huggingface.co/miromind-ai/MiroThinker-1.7

오픈 웨이트 (open-weight) 에이전트에 대한 논의가 주로 이 서브레딧에서 이루어지기 때문에 이곳에 게시하며, 진심으로 피드백을 받고 싶습니다. Reddit에 댓글을 달고 토론하는 것이 어느 정도 피드백을 주긴 했지만, 실제로 충분하지는 않았습니다.

벤치마크 (arXiv Table 1, 표에 맞게 선별되었으나 논문에는 전체 비교 데이터가 포함됨):

이 서브레딧에서 특히 반론을 제기해주었으면 하는 두 가지 사항이 있습니다:

1. mini 모델은 활성 파라미터 (active params)가 3B뿐입니다 — 혹시 벌써 로컬에서 실행해 보신 분 계신가요? 소비자용 하드웨어에서 사람들이 어느 정도의 tok/s를 얻고 있는지 궁금합니다.
2. 저희의 컨텍스트 관리 (context management) 방식 (슬라이딩 윈도우 (sliding window) K=5 + 에피소드 재시작 (episode restarts))은 주관적인 견해가 반영되어 있습니다. 만약 로컬에서 긴 컨텍스트 에이전트 (long-context agents)를 실행해 보셨다면 이에 대해 의견이 있으실 것입니다.

논문: arXiv:2603.15726

댓글에서 뵙겠습니다.