Mirendil Fern 0.1 发布：1000 万 Token 上下文检索满分

一句话结论：AI 实验室 Mirendil 在 2026 年 10 月 26 日发布首个模型 Fern 0.1，上下文窗口最高 1000 万 Token，在 RULER 长上下文基准上单针检索拿满分，多跳问答却只有 45 分，目前仅接受内测申请。

这枚模型出自一家不太知名的实验室。Mirendil 于 2026 年 6 月 24 日正式公开，创始团队 20 人来自 Anthropic、xAI、Google DeepMind 与 OpenAI，由 Andreessen Horowitz 和 Kleiner Perkins 领投 2 亿美元种子轮，NVIDIA 也参与投资。据报道公司估值 10 亿美元，创始人 Behnam Neyshabur 与 Harsh Mehta 分别来自 Anthropic 与 Google。8 月 6 日，Mirendil 宣布与 Google Cloud 建立多年期合作，使用 AI Hypercomputer 的 TPU 与 NVIDIA 全栈基础设施支撑训练与推理。

Fern 0.1 是这家实验室交出的第一份答卷。它没有做成通用聊天产品，官方明确把目标用户定位成做 AI 的人，用于审计训练数据里的重复、基准污染与垃圾内容，从长日志和堆栈信息里定位训练失败原因，以及通读整条智能体轨迹。这条路线的技术前提是超长上下文，所以 1000 万 Token 这个数字本身就是产品定位的一部分。

1000 万 Token 到底能装下多少东西

官方给的说法是 1000 万 Token 大约相当于 23MB 代码，约 50 万行，规模接近 Megatron-LM 库本身。除代码之外，官方还提到可以同时容纳数十到数百条完整的智能体轨迹，也就是数天的工作量。

Mirendil 的论证方式是把上下文长度当成算力的第二种花法。参数量存的是静态知识，支撑更深一层的推理；上下文窗口装的是任务特定信息，包括规范文档、过往工作、更多证据和更多代码。公司认为 10M 这个量级无法靠把既有架构拉长凑出来，架构、训练与服务三层都按这个长度重新设计，接近完美的检索需要专门面向千万级注意力的架构。

这个方向的成本代价也很直接。10M 上下文把推理瓶颈从算力推到了内存带宽。类似的问题在 DeepSeek V4.1 Flash 把 KV Cache 缩小 437 倍 那类工作里被反复处理，EdgeRock-4B 用 72 MiB 固定 KV 撑起 512 路并发 走的是另一个方向，都是在解同一个约束。

RULER 全表：检索满分，多跳塌方

Mirendil 用的是英伟达研究团队提出的长上下文基准 RULER，跑法是贪心解码、关闭思考、精确字符串匹配。每个格子平均 100 个样本，10M 位置只用 20 个样本。官方在 Fern 公告里给出的完整表格对应的是基座模型 Mirendil-Base，后训练版本 Fern 0.1 在同一位置的对外口径为单针 100%、多键 90%、多跳 45%。

表里可以读出两件事。检索这一侧很稳，单针检索在 32K 到 10M 全程满分，多键全针在 10M 也是 100，说明装进去的东西找得回来。但推理这一侧明显退化，多跳问答在 4M 还有 60 分，到 10M 掉到 45 分，接近一半的多跳问题答不出来。多跳要求把散落在窗口各处的线索连起来，难度更接近真实工作。

变量的分布是另一个信号。变量追踪在 2M 掉到 83、4M 掉到 75，到 10M 却又回到 100，这个反弹不合常理。10M 位置的样本只有 20 个，几个答案的变化就能让分数动好几个点。官方自己也承认完整的长时间上下文结果还要等后续发布。所以那些数字更适合当作方向性参考，而不是可以直接拿来做采购决策的基准。

这轮成绩放在行业坐标里看，讯飞星火 X2.6 做到了 100 万 Token 上下文，斯坦福与伯克利团队的 TokenGate 在长上下文预填充上提速 11.3 倍，Fern 的窗口数字是它们的十倍，代价是这个多跳分数还没有第三方复现。

Agentic 编码榜：与前沿模型差 30 分

Mirendil 自己的发布表格同时给出了编码智能体基准。横向对比的对象是 Beam、GLM-5.3、Kimi-K3、GPT-6 Astra 与 Claude Opus 5.5。

Terminal Bench 4.0 这一行差距最大，6.1 分对 66.4 分。DeepSWE v1.1 上 Fern 0.1 得 44.2 分，比前沿的 74 分低约 30 分。不过 SWE-Pro v2 Hard 上 Fern 的 76.5 分与 Beam 持平，把几列放在一起看，结论是它是一个长上下文阅读器，还不是一个通用编码智能体。

对照 Nanbeige4.3-33B 在 Terminal-Bench 拿到 80.9 分 与 Drex for Search 用 6 项基准省下 62% 步数 这类工作，Fern 的编码分数并不占优，它的赌注押在了另一个维度上。

从零预训练：一个人加智能体三个月

Mirendil 在 10 月 21 日单独发过一篇文章，讲 Mirendil-Base 是怎么训出来的。一名研究员，3.5 个月，算力开销低于 1000 万美元。这个数字是全包的，包含智能体的 token 花销与数据处理，没有使用蒸馏，也没有购买或授权任何额外数据。

智能体写掉了超过 99% 的代码，跑实验、诊断故障，研究员负责决定试什么、信什么，以及在需要时介入。训练基础设施、模型架构、训练算法与数据流水线都是从空仓库起步，只依赖 PyTorch、JAX 这类通用库。训练数据全部来自 GitHub 与其他公开可得的代码、网页和公开数据集。

官方用 bits per byte 这个指标对比了五个模型，参数规模分别是 Kimi-K3 2.8T 总 104B 激活、Nemotron-550B-Base 550B 总 55B 激活、GLM-5.3 753B 总 40B 激活、DeepSeek-V4-Pro-Base 1.6T 总 49B 激活、Inkling 975B 总 41B 激活，五者都是混合专家架构。在七个外部仓库的平均值上，Kimi-K3 是 0.193，Mirendil-Base 是 0.222，其余三个对比模型落在 0.242 到 0.247 这个区间。bits per byte 越低越好，这个差距说明在纯代码预测这一件事上 Fern 还落后一档，而官方也提示 Kimi-K3 与 GLM-5.3 都是后训练模型，在这项指标上通常比各自的基座版本略差。

三款模型的进度与获取方式

Mirendil 同时在训三个尺寸。Fern 0.1 基于 Mirendil-Base，参数 0.1T 到 0.5T，文本与代码输入，是唯一公布了上下文数字与基准成绩的版本。Mirendil-Base-Large 参数 0.5T 到 2T，预训练进度超过 80%。Mirendil-Base-XL 参数 2T 到 10T，进度约 19%，当前水平已经接近 Large。

获取方式是当前最大的限制。官方页面写的是 coming soon，只有一个早期访问申请表单，没有公开 API，没有价格，没有许可证，也没有可下载的权重。换句话说，这篇文章里的所有基准数字目前都来自 Mirendil 自己的公告，外部读者暂时无法验证。

还有一个细节值得留意。Fern 0.1 是在 Mirendil-Base 基础上做了一轮短周期后训练得到的版本，官方说新版本会频繁发布。这意味着 0.1 这个版本号更像是持续迭代的起点，而不是一个稳定的产品形态。

常见问题

1000 万 Token 上下文现在能用吗

不能。Mirendil 只接受早期访问申请，没有开放 API、定价、许可证与权重下载。想验证这些基准数字，目前只能等官方放出门槛。号称提供 Fern 0.1 接入的第三方服务需要格外谨慎。

1000 万 Token 是不是越大越好

从 Mirendil 自己的数据看，不是。检索类任务在 10M 依然满分，但多跳问答从 4M 的 60 分掉到 10M 的 45 分。窗口长度决定了能装下多少材料，不决定模型能否把这些材料用起来。这也是为什么 AKV 缓存工程把智能体成本压低 27.7% 这类优化在实践中往往比单纯加窗口更划算。

Mirendil 这个团队可信吗

可以查证的部分相当硬。创始团队 20 人来自 Anthropic、xAI、Google DeepMind 与 OpenAI，种子轮 2 亿美元由 a16z 与凯雷领投、NVIDIA 参与，Google Cloud 的多年期合作有官方公告和 Google 首席技术官 Amin Vahdat 的具名引述。风险点也很清楚，全部成绩均为自报，模型未开放，无第三方复现，RULER 在 10M 位置每格仅 20 个样本。

小结

Fern 0.1 把两件事摆在了同一张表上。一边是 1000 万 Token 上下文与满分单针检索，证明长窗口的工程可行性已经成立。一边是 45 分的多跳问答与 6.1 分的 Terminal Bench，说明窗口装得下和用得起来之间还有很长的距离。官方选择同时公布两组数据而不是只公布好看的部分，这种做法本身值得肯定。

这条路线的赌注很明确。上下文作为算力的第二种花法，如果成立，受益的是需要一次性读入整个代码库、整份训练集、整条智能体轨迹的场景，这类工作今天确实只能靠切块加检索来凑。Mirendil 想做的是 AI 工程师用来调试 AI 的工具，把模型本身变成被审计对象。能不能做成，取决于后续两个版本能不能把多跳分数拉起来，以及 API 何时开放。

相关阅读

• TokenGate 长上下文预填充提速 11.3 倍，斯坦福伯克利开源门控剪枝
• 讯飞星火 X2.6：293B 国产算力训练，4B 端侧 BFCL 拿 71.8 分
• DeepSeek V4.1 Flash 深度解读：8B 输入激活、KV Cache 缩 437 倍
• EdgeRock-4B 开源：72 MiB 固定 KV，AIME 82.9 分
• Nanbeige4.3-33B 开源：Terminal-Bench 80.9 分与 20 项基准