Mirendil 发布首个自研模型 Fern，支持千万 token 上下文

2026 年 10 月 26 日，Mirendil 发布首个完全从头预训练的模型 Fern（0.1 版），上下文窗口最高达 1000 万 token。该模型由前 Google 研究员 Behnam Neyshabur 团队打造，可一次性完整容纳约 23MB、50 万行代码（Megatron-LM 量级），定位服务 AI 从业者的高强度 agent 工作，包括审计训练数据、从日志中调试训练过程等。同日报道称，Fern 团队提出「上下文即智能」理念，认为算力既可投向参数，也可投向上下文，其架构、训练与服务栈支持一次性处理 1000 万 token；实测预测精度随上下文增长至 1000 万 token 仍持续提升。不过，Fern 基准首秀成绩为 73.4，仍逊于前沿模型。

AI 根据报道生成 · 1 小时前更新

1. 10月26日 23:37 · 1 篇报道
   Fern 0.1 基准首秀 SWE-Bench 73.4
   AGI Hunt：Fern 团队提出「上下文即智能」，基准首秀 73.4 仍逊前沿模型
2. 10月26日 23:37 · 1 篇报道
   Mirendil 发布首个自研预训练模型 Fern
   AGI Hunt：Mirendil 发布首个自研模型 Fern，上下文窗口达 1000 万 token

还没有足够的连续观测数据，暂不绘制趋势。