Mirendil 10 月 26 日发布首个模型 Fern，基于自研 Mirendil-Base（0.1–0.5T 参数）从零预训练，上下文窗口最长约 1000 万 token，约等于 50 万行代码或数天的 Agent 轨迹。Fern 0.1 只做了一轮短后训练，主打审计训练数据、看日志排查训练故障、通读 Agent 轨迹等 AI 研发场景。官方口径：SWE-Bench Verified 73.4%、RULER 单针检索在 10M 长度仍为 100%，但多跳问答在 10M 降到 45%。目前仅开放早期申请，未公布价格和权重。
核心要点速览
- ✓规模与上下文（官方口径）：Mirendil-Base 0.1–0.5T 参数，Fern 上下文最长约 10.2M token（约 23 MB 代码、约 50 万行，接近 Megatron-LM 体量），见 官方博客
- ✓编码跑分（Mirendil 自测，OpenCode 单次尝试）：SWE-Bench Verified 73.4、SWE-Bench Pro v2-Hard 76.5、SWE Atlas QnA 53.2、DeepSWE v1.1 44.2、Terminal-Bench 4.0 仅 6.1；同表 Claude Opus 5.5 分别为 98.2/100.0/66.4/74.2/66.4
- ✓RULER 长上下文（官方口径）：单针检索 32K 到 10M 全为 100%；多跳问答 HotpotQA 从 32K 的 65% 降到 10M 的 45%，10M 档每格只有 20 个样本
- ✓研发成本（官方口径）：Mirendil-Base 由 1 名研究员加 Agent 在 3.5 个月内完成，总算力不到 1000 万美元，Agent 写了 99% 以上的代码，见 预训练复盘
- ✓可用性：Fern 是三款模型中最小的一款，Base-Large（0.5–2T）与 Base-XL（2–10T）仍在预训练；目前只能 申请早期访问，价格和权重均未公布
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
Mirendil 是今年成立的新实验室，CEO Behnam Neyshabur 曾在 Anthropic 联合带领 Discovery 团队，CTO Harsh Mehta 曾在 Anthropic、Google DeepMind 做预训练。AI 研发里最费人力的活，往往是翻几十 GB 的训练日志、查数据污染、读完整条 Agent 轨迹，这些材料动辄超过主流模型 1M 左右的窗口，只能切块处理，跨片段的线索容易丢。Fern 的定位就是把整个代码库或数天的 Agent 工作一次放进上下文。
架构亮点与底层机制
Fern 0.1 是自研 Mirendil-Base（0.1–0.5T 参数）做一轮短后训练的结果，官方称架构、训练和推理都支持最长约 10M token。官方把 42.9 MB 的自家代码仓库拼成一条长流测试，Fern 的每字节交叉熵从 32K 窗口的 0.2456 一路降到约 10M 时的 0.1552，说明更长的上下文确实在帮助预测。另外两款更大的 Base-Large、Base-XL 仍在预训练。
权威 Benchmark 与实测跑分对比
以下均为 Mirendil 自测的官方口径。SWE-Bench Verified 73.4，SWE-Bench Pro v2-Hard 76.5，与 Reflection Beam 持平，但明显落后 Claude Opus 5.5 和 GPT-6 Astra；Terminal-Bench 4.0 只有 6.1。RULER 单针检索到 10M 仍为 100%，多跳问答在 10M 降到 45%，且该档只有 20 个样本。官方自己也说 10M 的可用性还不如 1M。
开发者实战落地与开箱指南
目前只能在官网提交早期访问申请，价格、API 和权重均未公布。适合关注的场景是超长日志排障、整库代码审计和训练数据去重；日常写代码和终端任务，现阶段仍应优先用前沿模型。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察