Mirendil 发布 Fern 0.1：自称最高约 1000 万 token 上下文的编码 Agent 模型
前 Anthropic 研究者创办的 Mirendil 于太平洋时间 10 月 26 日 8:00 发布首款模型 Fern 0.1：在 Mirendil-Base 上短轮后训练，架构/训推称可支持最高约 10M token 上下文（约合 23MB 代码量级）。面向大仓编码、训练日志调试、完整 Agent 轨迹与预训练数据审计；早鸟申请，完整长上下文分数称「即将公布」。
官方博客写明：Fern 是 Mirendil 首个对外模型，从零预训练底座后经短轮后训练得到 0.1；新版本会频繁迭代。公司把「参数量」与「上下文长度」并列为能力轴：10M 窗口约等于半百万行代码、Megatron-LM 量级仓库，或数十至上百条完整 Agent 轨迹同时进上下文。路线图另列基于 Base-Large（约 0.5–2T）与 Base-XL（约 2–10T）的更大档，预训练进度此前称分别逾 80% / 约 20%。
定位场景：跨大仓 Agent 编码、科研向训练循环/数据管线代码、从长日志定位失败、通读训练或 Agent 轨迹、扫描预训练 shard 查重与基准污染。公告称已跑 RULER 等长上下文基本测试，但文内未给出可读数字，并写「更全面的长上下文结果即将发布」；agentic 基准表在页面上也多为占位。访问为 early access 申请。解读宜把 10M 当作规格上限，有效可用长度与第三方复现仍待核对——此前已报道的「一人 + Agent、<1000 万美元训出 Base」是同一条产品线的底座故事。
