Mirendil, laboratorium badawcze zajmujące się sztuczną inteligencją, wydało Fern 0.1 - swój pierwszy model z gigantycznym oknem kontekstu 10 milionów tokenów. To może się wydawać abstrakcyjne, ale w praktyce oznacza możliwość załadowania całego repozytorium kodu na raz, w rozmiarze porównywalnym do Megatron-LM, lub kilkudniowych dzienników trenowania agentów AI.
Model zawiera między 0,1 a 0,5 bilionów parametrów i został zbudowany z Mirendil-Base po krótkim etapie post-trainingu. W testach pokazuje spektakularne wyniki w zadaniach retrieval'u - osiąga 100 procent dokładności w RULER single-needle benchmark'u na wszystkich długościach od 32K do 10M tokenów. Jednak w bardziej skomplikowanych testach, jak Terminal Bench 4.0, jego wyniki wynoszą 6,1 procent, podczas gdy Claude Opus 5.5 osiąga tam 66,4 procent. To pokazuje, że choć Fern błyszczy w obsłudze bardzo długich kontekstów, wciąż pozostaje za modelami top-tier'u w bardziej złożonych zadaniach kodowania.
Fern jest dostępny wyłącznie w wersji early access z hostowaniem - nie ogłoszono jeszcze otwartych wag czy skwantyzowanych wersji. Model jest skierowany konkretnie do badaczy AI i zaawansowanych deweloperów pracujących nad dużymi bazami kodu, debugowaniem długich logów treningowych, czytaniem pełnych śladów agentów czy audytem danych pretrainingowych.