Fern 0.1

Fern 0.1 是美国新实验室 Mirendil（由前 Anthropic / Google 研究员创立）于 2026 年 10 月 26 日发布的首个产品模型。它在自研基座 Mirendil-Base 上做了一轮较短的后训练，官方宣称支持最高约 1000 万 token 的上下文窗口（约合 23 MB 代码、约 50 万行），面向做 AI 研发的人：审计预训练数据、从日志调试训练、通读完整 agent / 训练轨迹。

官方博客《Introducing Fern》写明：Fern 是 Mirendil 的第一个模型，从零预训练；Fern 0.1 是首个版本，后续会频繁更新。更大的 Mirendil-Base-Large（0.5–2T） 与 Base-XL（2–10T） 仍在预训练中。访问目前标注为 coming soon，官网接受早期访问申请；尚未公布公开权重、API 定价或独立第三方评测全文。

定位

Fern 被定位成“给造 AI 的人用的长上下文 agent 模型”，而不是面向普通聊天的消费级助手。官方列举的场景包括：

• 在更大代码仓库上做 agentic 编码（跑命令、读输出、直到测试通过）
• 阅读训练循环、数据管道、评测等研究代码
• 从长日志与堆栈中定位训练失败
• 端到端阅读 agent / 训练轨迹并解释发生了什么
• 扫描整个预训练分片中的重复、污染与垃圾样本

官方自报的长上下文证据（需谨慎解读）

• 公司称在 RULER 上对基座做了 1000 万 token 长度测试：单针检索约 100%，多跳问题约 45%（每项约 20 个样本）——均为公司自报，样本很小
• 另有公司内部仓库上的 next-token / bits-per-byte 曲线，显示随上下文变长预测仍改善；这测的是 Mirendil 自己的仓库，不能直接外推到任意代码库
• 官方页面写明更全面的长上下文结果“即将发布”，agentic 基准的具体分数在公告正文中大多不可读/未给出

与已跟踪条目的关系

雷达此前已记录 Mirendil-Base（及 skip 列表中的 Base-Large / Base-XL）。Fern 是其后训练产品名，首次以独立产品形态对外发布，因此单独建词条。

当前如何获取

1. 打开官方公告：https://mirendil.com/news/introducing-fern/
2. 在 Mirendil 官网提交早期访问申请（页面仍显示 access coming soon）
3. 关注 @mirendil 与后续权重 / API 发布；推理合作方曾提及 Baseten 作为服务伙伴（针对基座评测），但 Fern 0.1 的公开调用方式尚未在公告中写明

适合谁

• 需要通读超大仓库、训练日志或完整 agent 轨迹的 AI 实验室与基础设施团队
• 评估“超长上下文 coding / research agent”品类的研究员与工程负责人

注意

• 尚无公开权重与标价：无法本地部署或按 token 计费试用
• 10M 上下文是架构/服务能力声称，有效利用率与成本（KV cache、延迟）需等独立评测
• 参数量官方表述为约 0.1–0.5T（Fern 0.1 / Mirendil-Base 档），更大档仍在训