MiroThinker-1.7 & H1: Towards Heavy-Duty Research Agents via Verification

Dit paper introduceert MiroThinker-1.7 en de geavanceerde variant H1, nieuwe open-source onderzoekagenten die via gestructureerde planning en geïntegreerde verificatie state-of-the-art prestaties leveren bij complexe, meerstaps onderzoekstaken.

De kern

Stel je voor dat je een detective bent die een heel complex misdrijf moet oplossen. Je hebt niet alleen een verstand nodig, maar ook een team van rechercheurs, een bibliotheek met alle boeken ter wereld, en de wijsheid om te weten wanneer je een fout hebt gemaakt en moet stoppen met zoeken.

Dit is precies wat het team achter MiroThinker heeft gebouwd. Ze hebben twee nieuwe "super-detectives" gepresenteerd: MiroThinker-1.7 en de nog krachtigere MiroThinker-H1.

Hier is hoe het werkt, vertaald in alledaags taal:

1. Het Probleem: Meer is niet altijd beter

Vroeger dachten AI-ontwikkelaars: "Als een computer een vraag niet kan beantwoorden, laten we hem gewoon langer laten nadenken en meer vragen stellen."
Maar dat werkt vaak niet. Het is alsof je een detective laat ronddwalen in een stad zonder kaart. Hoe langer hij ronddwaalt, hoe meer hij verdwaalt en hoe meer fouten hij maakt. Hij begint in cirkels te lopen of zoekt naar de verkeerde aanwijzingen.

2. De Oplossing: MiroThinker-1.7 (De Slimme Detective)

MiroThinker-1.7 is niet gewoon een computer die langer nadenkt. Het is een detective die beter nadenkt.

• De "Middagtraining" (Mid-training): Voordat de detective de straat op gaat, krijgt hij een speciale training. Hij leert niet alleen wat hij moet doen, maar hoe hij het moet aanpakken. Hij leert plannen te maken, hulpmiddelen (zoals Google of code) slim te gebruiken, en tussentijds samenvattingen te maken.
• Het Resultaat: In plaats van 100 keer een verkeerde deur te openen, opent hij de juiste deur in 30 keer. Hij maakt minder fouten per stap, waardoor hij minder tijd en energie nodig heeft om het antwoord te vinden.

3. De Superkracht: MiroThinker-H1 (De Detective met een Controleur)

De H1-versie is de zwaarste versie, ontworpen voor de allerzwaarste cases (zoals wetenschappelijk onderzoek of complexe financiële analyses). Deze versie heeft een unieke truc: Verificatie.

Stel je voor dat de detective een oplossing vindt. In plaats van direct naar de baas te rennen, doet hij twee dingen:

1. De Lokale Controleur (Local Verifier): Tijdens het zoeken kijkt hij constant naar zichzelf. "Wacht even, dit stukje bewijs klopt niet. Laten we dit stapje terugschroeven en een andere route proberen." Hij corrigeert zichzelf onderweg, zodat hij niet pas aan het einde merkt dat hij de verkeerde kant op is gegaan.
2. De Globale Controleur (Global Verifier): Als hij bijna klaar is, kijkt hij naar het hele verhaal. "Hebben we echt genoeg bewijs? Is dit verhaal logisch?" Als het antwoord niet stevig genoeg is, zegt hij: "Nee, we gaan nog even verder zoeken," in plaats van een onzeker antwoord te geven.

Dit is als een detective die niet alleen zoekt, maar ook een eigen kwaliteitscontroleur heeft die elke stap checkt voordat hij de volgende zet.

4. Wat kunnen ze?

De paper laat zien dat deze detectives beter zijn dan de beste concurrenten (zoals de nieuwste versies van GPT, Claude en Gemini) op moeilijke taken:

• Diep Onderzoek: Ze kunnen duizenden webpagina's lezen en samenvatten om een compleet rapport te schrijven.
• Wetenschap & Financiën: Ze kunnen complexe formules oplossen of financiële rapporten analyseren zonder in de war te raken.
• Efficiëntie: Ze vinden het antwoord sneller en met minder "zweet" (rekenkracht) dan de anderen.

5. De "Mini" Versie

Ze hebben ook een MiroThinker-1.7-mini uitgebracht. Dit is als een slimme agent die in een klein rugzakje past. Hij is lichter en sneller, maar doet het bijna net zo goed als de grote versies. Dit betekent dat ook kleinere bedrijven of ontwikkelaars deze slimme tools kunnen gebruiken.

Samenvattend

Deze paper zegt eigenlijk: "Stop met het laten nadenken van computers tot ze moe worden. Leer ze in plaats daarvan slim te plannen en zichzelf te controleren."

Met MiroThinker hebben ze AI-systemen gemaakt die niet alleen "praten", maar echt werken als betrouwbare onderzoekers die complexe problemen oplossen zonder in de war te raken. Ze zijn nu beschikbaar voor iedereen om te gebruiken, alsof je een super-intelligente assistent in je zak hebt.

Technische samenvatting

Probleemstelling

Hoewel grote taalmodellen (LLMs) uitstekend zijn in het genereren van vloeiende tekst, blijken ze vaak tekort te schieten bij complexe, real-world taken zoals wetenschappelijke analyse, financiële redenering en open-ended onderzoek. Deze taken vereisen lange redeneerketens, iteratieve informatieverzameling en het verifiëren van tussentijdse conclusies voordat een definitief antwoord wordt gegeven.

Bestaande agent-frames werken vaak door simpelweg de lengte van de redeneertrajecten te vergroten. Het paper stelt echter dat dit niet leidt tot betere prestaties. Als tussenstappen onnauwkeurig zijn of slecht onderbouwd, accumuleert een langere interactieketen juist ruis, vermenigvuldigt fouten en verslechtert de uiteindelijke oplossing. De kernuitdaging is dus niet het aantal interactiestappen vergroten, maar het vergroten van de effectiviteit van elke individuele stap en het integreren van verificatiemechanismen.

Methodologie

De auteurs introduceren twee modellen: MiroThinker-1.7 (een verbeterde research-agent) en MiroThinker-H1 (een zware versie met geavanceerde verificatie). De aanpak bestaat uit drie pijlers:

1. Agente Workflow en Contextbeheer

Het model volgt een iteratieve ReAct-paradigma (Redeneren, Actie, Observatie) met een dubbele lus:

• Stap-lus: De agent verzamelt een trajectlogboek. Om de token-begroting te beheren, wordt een schuifvenster-contextoperator gebruikt. Alleen de K meest recente observaties (K=5) worden volledig bewaard, terwijl oudere observaties worden afgekapt. De volledige redeneer- en actietraces worden echter behouden om de globale context te bewaken.
• Episodische lus: Als een traject de maximale aantal beurten (Tmax) bereikt zonder een geldig antwoord, start de agent een nieuwe "episode" met een schone lei (alleen de oorspronkelijke query), waardoor fouten in de context worden vermeden.
• Tools: Het systeem beschikt over geoptimaliseerde tools voor webzoekopdrachten, content-extractie (via Jina), en code-uitvoering in een geïsoleerde Linux-sandbox (E2B).

2. Trainingspijplijn (Agentic Mid-training)

MiroThinker-1.7 is getraind op basis van Qwen3 MoE-modellen via een vier-fasen pijplijn:

1. Agentic Mid-training: Een cruciale fase om "atomaire" agent-capaciteiten te versterken (planning, redeneren, tool-gebruik, samenvatten). Er wordt gebruikgemaakt van een grote dataset met gesuperviseerde data voor koude-start planning, context-geconditioneerde redenering en tussentijdse samenvattingen.
2. Supervised Fine-Tuning (SFT): Het model leert van expert-trajecten die multi-stap redenering en tool-interactie vereisen.
3. Preference Optimization (DPO): Het model wordt afgestemd op voorkeursdata waarbij de uiteindelijke juistheid van het antwoord de belangrijkste rangschikkingssignal is, zonder starre structurele beperkingen. Voor de "mini"-versie wordt ook preference distillation gebruikt.
4. Reinforcement Learning (RL): Met Group Relative Policy Optimization (GRPO) wordt het model getraind in live omgevingen. Er wordt gebruikgemaakt van een dynamische entropie-controle om te voorkomen dat het model te vroeg convergeert naar suboptimale oplossingen.

3. Verificatie-Centric Redenering (MiroThinker-H1)

MiroThinker-H1 introduceert een "Heavy-Duty" modus met twee verificatiemodules:

• Local Verifier: Evalueert en verfijnt individuele redeneerstappen (zoals planningsbeslissingen of tool-aanroepen) tijdens de inferentie. Dit voorkomt dat de agent vastloopt in patronen van "habitual thinking" en zorgt voor vroegtijdige correctie van fouten.
• Global Verifier: Auditeert het volledige redeneertraject aan het einde. Het systeem controleert of de verzamelde bewijslast coherent is en of het eindantwoord stevig onderbouwd is. Als de bewijslast onvoldoende is, wordt de agent gevraagd om het traject te herzien in plaats van een voortijdig antwoord te geven.

4. Data Constructie

Er is een dubbele pijplijn voor het genereren van hoogwaardige QA-data:

• Corpus-based Pipeline: Generatie van grote hoeveelheden data uit gestructureerde kennisgrafen (bijv. Wikipedia).
• WebHop Pipeline: Bouwt gerichte, multi-hop redeneertrajecten op basis van live webzoekopdrachten met hiërarchische verificatie om de moeilijkheidsgraad en de kwaliteit te garanderen.

Kernresultaten

De modellen zijn geëvalueerd op diverse benchmarks, waaronder webonderzoek, wetenschappelijke redenering en financiële analyse.

• State-of-the-Art Prestaties:
  • MiroThinker-H1 behaalde 88.2 op BrowseComp en 84.4 op BrowseComp-ZH, wat beter is dan toonaangevende commerciële modellen zoals GPT-5.4 (82.7), Gemini-3.1-Pro (85.9) en Claude-4.6 Opus (84.0).
  • Op het GAIA-benchmark behaalde H1 een score van 88.5, een verbetering van 12,1 punten ten opzichte van de vorige leider (GPT-5).
  • H1 behaalde ook nieuwe records op FrontierScience-Olympiad (79.0) en FinSearchComp (73.9).
• Efficiëntie:
  • MiroThinker-1.7-mini (slechts 3B actieve parameters) presteert concurrerend met veel grotere modellen, wat de efficiëntie van de trainingsmethode onderstreept.
  • In vergelijking met eerdere versies (1.5) behaalt MiroThinker-1.7-mini 16,7% hogere prestaties met 43% minder interactierondes. Dit bevestigt de hypothese dat kwaliteitsverbetering van stappen belangrijker is dan het verlengen van het traject.
• Verificatie Impact:
  • Het gebruik van alleen de Local Verifier op een moeilijke subset van BrowseComp verhoogde de pass-rate van 32,1% naar 58,5% en verlaagde het aantal stappen drastisch (van 1185 naar 210), wat aantoont dat verificatie de efficiëntie per stap verbetert.
  • De Global Verifier zorgde voor consistente verbeteringen op zoekintensieve taken en complexe redeneerproblemen.

Bijdragen en Significantie

1. Paradigmaverschuiving: Het paper beweert dat schalen van "effectieve interactie" (kwaliteit per stap) superieur is aan schalen van "trajectlengte". Dit wordt onderbouwd door de trainingspijplijn die zich richt op atomaire agent-capaciteiten.
2. Verificatie als Kern: De integratie van lokale en globale verificatie in de redeneerloop is een systematische doorbraak voor het oplossen van lange-horizon taken, waarbij fouten worden gecorrigeerd voordat ze zich verspreiden.
3. Open Source Beschikbaarheid: De auteurs release MiroThinker-1.7 en 1.7-mini als open-source modellen, waardoor de gemeenschap toegang krijgt tot geavanceerde research-agent-capaciteiten die concurreren met gesloten, commerciële systemen.
4. Robuustheid: De systemen presteren sterk in gespecialiseerde domeinen (wetenschap, finance, geneeskunde), wat aantoont dat de aanpak schaalbaar is naar complexe, kennisintensieve taken.

Samenvattend biedt MiroThinker-H1 een bewezen route naar betrouwbare, lange-horizon AI-agenten door een combinatie van gestructureerde mid-training en een verificatie-gedreven redeneermodus, wat resulteert in nieuwe state-of-the-art resultaten op complexe onderzoekstaken.