Mirendil发布Mirendil-Base 100B–500B 参数 Coding 大模型(1名研究员)

😱天呐！1人+AI，仅耗时3个半月从零训出千亿参数Coding大模型，平均BPB直接打过GLM-5.3和DeepSeek-V4！这才是真正的RSI吧！

Mirendil由前Anthropic/Google DeepMind团队创办，a16z+KP领投2亿美元种子轮，刚公布惊人实验：仅靠1名研究员+AI Agent，就完成了Mirendil-Base 100B–500B参数的预训练。

模型能力亮点：
🔹编码预测实力强：在7个训练后才发布的外部代码仓库上，平均BPB仅0.222（越低越好），优于GLM-5.3（0.242）和DeepSeek-V4-Pro-Base（0.243），仅略逊Kimi-K3（0.193）。

🔹内部代码更猛：Mirendil-Base-Large（500B–2T，已训80%）BPB约0.2177，XL（2T–10T，已训19%）约0.2181，已超过Kimi-K3在同类指标上的表现。

🔹专为AI研发编码优化：面向前沿实验室内部Coding任务（写实验、搭框架、调优、排障等），未用蒸馏/合成数据，纯公开有机数据训练，目前仍在后训练阶段，即将开放更多评测与API。

🔹可扩展性好：配方随规模放大持续有效，Large/XL仍在训练中，后续潜力巨大。

惊人的训练过程：
1️⃣极致人效：1名研究员主导，AI Agent写了超过99%代码、跑实验、排查故障；人类只负责定方向、判断结果。

2️⃣超短周期+低成本：3.5个月、全部计算成本不到1000万美元（含Agent开销与数据处理）。

3️⃣真正从零起步：代码基于PyTorch/JAX从空仓库搭建，无蒸馏、无购买/授权额外数据，纯公开GitHub等有机数据。

4️⃣AI自主研发闭环初现：这是递归自我改进（RSI）方向的重要里程碑，单人+Agent已能完成过去需整支预训练团队的工作。

AI研发AI，正在成为现实，未来训练大模型，可能真的不需要那么庞大的研究团队了。

详见官方博客： #人工智能 #大模型 #RSI #Mirendil #AIAgent #预训练 #CodingModel #千亿参数 #递归自我改进 #RSI