Mirendil-Base：一名研究者用 Agent 3.5 个月、不到千万美元训出编码底座
Mirendil 10 月 21 日公布 Mirendil-Base：单人研究者在 Agent 辅助下 3.5 个月、算力不足 1000 万美元完成预训练；代码逾 99% 由 Agent 编写，仅用公开数据、无蒸馏。厂商称在自建代码留出评测上优于多款开源编码底座。
实验刻意从空仓库起步：训练基建、架构、算法与数据管线均基于 PyTorch/JAX 等通用库自写；数据只来自 GitHub 与其他公开网页/数据集，未采购额外语料、也未用蒸馏或合成数据。总算力含小规模实验、最终训练跑、Agent token 与数据处理。官方称目标是验证「前沿编码底座是否还能只靠大团队」。
公开对比用 bits-per-byte 衡量对留出代码与七个训后公开仓库的预测：Mirendil-Base 在自建图上优于 Nemotron-550B-Base、GLM-5.3、DeepSeek-V4-Pro-Base、Inkling 等（Kimi-K3 仍更低损失）；外部七仓平均 0.222，介于 Kimi-K3（0.193）与其余开源档之间。更大的 Base-Large / Base-XL 仍在训（约 80% / 19%）；已开始后训练，API 与独立评测后续放出。分数为厂商 harness。
