傳統(tǒng)的Agent，多半依賴預(yù)設(shè)的流程，像一條早已鋪好的路?？梢坏┑讓幽Ｐ透拢麄€(gè)系統(tǒng)就需要推倒重來。 Kimi采用的端到端地強(qiáng)化學(xué)習(xí)，走的是另一條路。它讓模型在未知的問題里自由探索，不靠固定的程序，而靠數(shù)據(jù)和反饋一點(diǎn)點(diǎn)成長。
文｜胡嘉琦

ID | BMR2004

如今，人工智能已悄然走進(jìn)我們生活的方方面面。它不再只是一個(gè)回答問題、處理事務(wù)的小幫手，而是慢慢長成了能參與科研、輔助決策、激發(fā)創(chuàng)意的智能體。

7月11日的一個(gè)深夜，月之暗面團(tuán)隊(duì)推出的 Kimi K2，引起不少人注意。這是一個(gè)強(qiáng)大的模型，擁有一萬億個(gè)參數(shù)，在編程、推理、工具使用上都頗為拿手，和國際上最先進(jìn)的閉源模型 GPT-4.1、Claude Opus 4 相比，也不遑多讓。不同的是，它選擇了完全開源，把自己的可能性交給了更大的世界。

Kimi K2在發(fā)布后48小時(shí)內(nèi)迅速引爆市場：官網(wǎng)訪問量激增36億，開源社區(qū)Hugging Face下載量突破10萬次。

與此同時(shí)，Kimi還推出了面向科研領(lǐng)域的“Kimi-Researcher”。Kimi-Researcher是月之暗面推出的首個(gè)Ai Agent。它的特別之處在于，用上了“端到端的自主強(qiáng)化學(xué)習(xí)”（End-to-End Reinforcement Learning, E2E RL），就是讓它自己學(xué)會“做研究”。人們說，這或許是 AI 從“工具”到“研究型伙伴”的一次轉(zhuǎn)身。

01

訓(xùn)練一個(gè)會“做研究”的AI

Kimi-Researcher 擁有的這一切已經(jīng)和一個(gè)真實(shí)的研究者很接近了。只不過，Kimi-Researcher 不會覺得疲憊，也不會覺得枯燥。

Kimi 團(tuán)隊(duì)這些年，一直專注著一個(gè)問題：能不能讓Kimi-Researcher不只是“找答案”，而是真的能“做研究”？

月之暗面研究員馮一塵、毛紹光在《月之暗面 Kimi 首個(gè) Agent 開啟內(nèi)測，可生成易追溯的萬字報(bào)告，有哪些技術(shù)亮點(diǎn)？》分享了Kimi-Researcher的工作原理。在訓(xùn)練過程中，研究團(tuán)隊(duì)為它搭建了一個(gè)模擬的研究環(huán)境，里面有各種各樣的復(fù)雜任務(wù)。它需要自己去想：先把問題問清楚，再規(guī)劃研究步驟，然后搜集資料、讀文獻(xiàn)、跑代碼、分析數(shù)據(jù)，最后寫出一份像模像樣的研究報(bào)告。就像一個(gè)年輕的研究生，從摸索到獨(dú)立。

這種訓(xùn)練方式主要靠的是端到端強(qiáng)化學(xué)習(xí)（End-to-End Reinforcement Learning, E2E RL）。模型會自己嘗試不同的研究路徑，有時(shí)走對了，有時(shí)走岔了，再根據(jù)結(jié)果來調(diào)整。久而久之，它學(xué)會了如何少走彎路。為了避免人工數(shù)據(jù)不足，團(tuán)隊(duì)還設(shè)計(jì)了自動合成數(shù)據(jù)的方法，讓它能在更大的范圍里反復(fù)練習(xí)。

在執(zhí)行任務(wù)時(shí)，Kimi-Researcher 的表現(xiàn)已經(jīng)頗有幾分“人味”。比如，首先在澄清問題環(huán)節(jié)，它不會一上來就急著回答，而是常常先追問一句，幫用戶把問題講得更明白。這樣做，是為了不讓研究方向跑偏。

在深入推理環(huán)節(jié)，在問題確定之后，它會安靜地思考，把一個(gè)復(fù)雜的問題拆成小問題，一步步地推理。平均下來，每次研究它要走20多步，像畫一張路線圖。

在主動搜索環(huán)節(jié)，信息是研究的根基，它會自己設(shè)定關(guān)鍵詞去找資料。執(zhí)行一次任務(wù)，往往要檢索上百個(gè)網(wǎng)站，然后只留下最有價(jià)值的那幾條。

在調(diào)用工具環(huán)節(jié)，當(dāng)找到的資料不夠，它會調(diào)動瀏覽器、代碼解釋器等工具，把原始數(shù)據(jù)整理分析，提煉出真正的結(jié)論。

在生成報(bào)告環(huán)節(jié)，它把所有過程和發(fā)現(xiàn)寫進(jìn)報(bào)告里。有時(shí)候是一份厚厚的研究稿，動輒上萬字，里面還會附上幾十條可靠的參考文獻(xiàn)；有時(shí)候是一份可以交互和分享的可視化結(jié)果。無論哪種，都力求清晰、可溯源。

看上去，Kimi-Researcher 擁有的這一切已經(jīng)和一個(gè)真實(shí)的研究者很接近了。只不過，Kimi-Researcher 不會覺得疲憊，也不會覺得枯燥。

02

強(qiáng)化學(xué)習(xí)的成果與“涌現(xiàn)”行為

從科研到商業(yè)，Kimi-Researcher的能力逐漸展開。與其說是一個(gè)工具，不如說更像一位助手，能在收集、整理與分析之間自主地完成整個(gè)鏈條。

在構(gòu)建 Kimi-Researcher 時(shí)，相比傳統(tǒng)搜索工具式的開發(fā)思路，端到端強(qiáng)化學(xué)習(xí)是一條更具挑戰(zhàn)性的路線。

這位“研究型智能體”第一次出場，就遇到了一場名叫“人類最后一場考試”（Humanity’s Last Exam，以下簡稱“ HLE”）的挑戰(zhàn)。那是一份涵蓋生物、化學(xué)、物理、數(shù)學(xué)、人文學(xué)科的卷子，有3000多道專家級的難題。換句話說，這不是隨便答答的選擇題，而是檢驗(yàn)一個(gè)Agent能不能像研究者那樣思考的試金石。

這條路雖然難，但在端到端的強(qiáng)化學(xué)習(xí)過程中，也帶來一些出乎意料的驚喜。

馮一塵提出，在HLE榜單上，Ai Agent 的分?jǐn)?shù)從最初 8.6%的準(zhǔn)確率躍升到 26.9%。這一跨越幾乎完全得益于強(qiáng)化學(xué)習(xí)的訓(xùn)練。OpenAI 的 Deep Research 團(tuán)隊(duì)在類似工作中，從20多分提升到 26.6 分，兩者對比，更能凸顯強(qiáng)化學(xué)習(xí)在智能體訓(xùn)練上的巨大價(jià)值。

在HLE測評中，智能體pass@4指標(biāo)（指智能體在四次自主嘗試內(nèi)成功解決任務(wù)的概率）達(dá)到 40.17%。這意味著，即便面對極其困難的問題，智能體在四次嘗試?yán)?，也有超過四成的概率成功找到答案。只要能夠探索到正確路徑，這種經(jīng)驗(yàn)就能逐漸沉淀為模型的內(nèi)在能力。

其中，更引人注目的是“涌現(xiàn)”。模型在找到初步答案后，并不會立即停下，而是主動進(jìn)行多輪搜索，用不同來源的信息交叉驗(yàn)證，以確保結(jié)論更為準(zhǔn)確。甚至在遭遇極度專業(yè)、現(xiàn)有資料無法解決的問題時(shí)，它還會生成一個(gè)行動——“給論文作者發(fā)郵件尋求解答”。

這些舉動并非預(yù)先設(shè)計(jì)，而是在完成任務(wù)的過程中，模型自己摸索出來的辦法。正是這樣的細(xì)節(jié)，讓人看到了 Agent 向更通用方向發(fā)展的可能性，也讓強(qiáng)化學(xué)習(xí)的價(jià)值顯得尤為清晰。

傳統(tǒng)的 Agent，多半依賴預(yù)設(shè)的流程，像一條早已鋪好的路。可一旦底層模型更新，整個(gè)系統(tǒng)就需要推倒重來。而模仿學(xué)習(xí)，則需要人工一步步標(biāo)注完整的軌跡，費(fèi)時(shí)又難以擴(kuò)展。端到端地強(qiáng)化學(xué)習(xí)，走的是另一條路。它讓模型在未知的問題里自由探索，不靠固定的程序，而靠數(shù)據(jù)和反饋一點(diǎn)點(diǎn)成長。它能嘗試、能迭代，甚至能在反復(fù)試錯(cuò)中學(xué)會更高階的策略。換句話說，它不再依賴外部的拼裝，而是把能力“內(nèi)化”進(jìn)了自身。

這種方式，也讓 Kimi-Researcher 的科研能力落到了實(shí)處。它已經(jīng)能在不同的場景里派上用場：在信息搜集與盡調(diào)時(shí)，自動梳理最新的基準(zhǔn)測試成果；在知識整理時(shí)，把復(fù)雜體系化繁為簡，按時(shí)間線清楚地呈現(xiàn)；在陌生領(lǐng)域的探索中，幾分鐘便能產(chǎn)出長篇報(bào)告，幫新手迅速入門；在興趣探索里，能為一場虛擬漫畫比賽寫出詳細(xì)的報(bào)告；在市場調(diào)研中，則能對比商品的價(jià)格、功能與性價(jià)比，給出實(shí)用的推薦。

從科研到商業(yè)，Kimi-Researcher的能力逐漸展開。與其說是一個(gè)工具，不如說更像一位助手，能在收集、整理與分析之間自主地完成整個(gè)鏈條。

科研之外，這種 Agent 的能力，還被進(jìn)一步延伸到日常的工作流管理。通過 Vector（向量或數(shù)據(jù)結(jié)構(gòu)）、MCP（多智能體通信協(xié)議）、Communicate-to（通信目標(biāo)指示）這樣的技術(shù)組合，它能自動安排任務(wù)、調(diào)用不同工具協(xié)同工作、根據(jù)日程觸發(fā)執(zhí)行，并穩(wěn)定運(yùn)行在服務(wù)器上，全天候地接管事務(wù)。對于非程序員來說，這種自動化工作流，像是輕輕松松就搭建了一位“隨叫隨到”的秘書。

于是，一個(gè)科研 Agent，慢慢生長出更通用的面貌：既能在實(shí)驗(yàn)室里幫人寫綜述，也能在辦公室里幫人排日程，低成本、高效率，安靜卻可靠。它所展示的，不只是技術(shù)的成果，更是人們與 AI 共處方式的一次新的嘗試。

毛紹光曾坦言，來到kimi后，發(fā)現(xiàn)大家的愿景其實(shí)很一致：提高模型的智能、拓展模型的邊界，或者說就是要做通用人工智能（AGI）。于是，他參與訓(xùn)練一個(gè)真正的 Agent 模型，成了順理成章的決定。

只是，這條路并不輕松。雖然強(qiáng)化學(xué)習(xí)在訓(xùn)練推理模型時(shí)已經(jīng)顯示出驚人的效果，但放在Agent上，還要面對許多不同的挑戰(zhàn)。因?yàn)锳gent工作在真實(shí)環(huán)境里，而環(huán)境總是動態(tài)的：同一個(gè)工具，在不同情況下可能會給出不一樣的結(jié)果；任務(wù)往往是長周期的，對模型的上下文長度管理、展開效率和訓(xùn)練的穩(wěn)定性，都是新的考驗(yàn)。

更何況，找到能真正激發(fā) Agent 能力的訓(xùn)練數(shù)據(jù)本就不容易。每一條成功的軌跡都像是一段很長的故事，語境冗長而復(fù)雜，怎樣讓模型從中有效地學(xué)習(xí)，是一個(gè)需要不斷探索的問題。

03

邁向更高層級的模型能力

未來的智能不只是“能回答問題”，而是“能自主解決問題”；不只是“堆疊工具”，而是“學(xué)會運(yùn)用工具”；不只是“功能展示”，而是“內(nèi)化能力”。

如今，Kimi-Researcher 已經(jīng)能夠幫助人們做科研信息的收集、深度分析、知識梳理與決策。但它的目標(biāo)，并不止于此。

一方面，不斷增加任務(wù)與工具，讓模型在更多陌生的場景里學(xué)會泛化；另一方面，強(qiáng)化 Agent 的自主探索能力，使其真正能在科研、決策與創(chuàng)新工作里，成為人類可信賴的伙伴；再進(jìn)一步，科研型 Agent 與生產(chǎn)力工具的結(jié)合，將讓它不光“做研究”，還能“做事”。

自 Kimi K2 推出后，這一思路顯得更加清晰。長期關(guān)注科技行業(yè)的撰稿人 David Ondrej 曾提到，Kimi K2 的優(yōu)勢在于高效的混合專家架構(gòu)（MoE）：每個(gè)令牌僅需要激活8位專家，就能完成任務(wù)。這種設(shè)計(jì)大幅降低了計(jì)算資源消耗，卻仍能保持性能，尤其在編程、邏輯推理與中文處理上表現(xiàn)突出。它擁有 1 萬億總參數(shù)和 320 億激活參數(shù)，在基準(zhǔn)測試 SWEBenchVerified 上的成績，已走在前列。換句話說，它既節(jié)省了成本，又為諸如桌面文件整理、任務(wù)自動化等實(shí)際應(yīng)用，打下了可靠基礎(chǔ)。

Agent能力為Kimi K2提供了更多的可能性，Kimi K2開始主動在不同環(huán)境中探索，學(xué)會使用工具、習(xí)得新技能，并通過與電子世界甚至真實(shí)世界的交互獲取反饋，從而不斷強(qiáng)化自主完成任務(wù)的能力。

工具使用的能力，本質(zhì)上意味著模型邁向了更高層級。正如在自然界中，動物與人類之間最顯著的分界點(diǎn)之一，就是是否能夠熟練地使用和創(chuàng)造工具。動物或許能依靠本能完成一些任務(wù)，而人類則能借助工具不斷擴(kuò)展自身的邊界，從點(diǎn)火取暖到建造城市，正是工具讓人類真正成為“能進(jìn)化的物種”。同樣地，Kimi K2 具備了 Agent 能力之后，也不再局限于單純地被動應(yīng)答，而是能夠通過工具去擴(kuò)展知識、提升效率、解決更復(fù)雜的問題。

具備運(yùn)用工具的能力，是大模型迭代中的重要一環(huán)。在模型競賽激烈的當(dāng)下，很多團(tuán)隊(duì)為了搶占市場，往往選擇快速迭代、搶先發(fā)布，以速度贏得關(guān)注。然而，Kimi K2 項(xiàng)目團(tuán)隊(duì)卻選擇了一條更艱難但更長遠(yuǎn)的道路：拒絕搶發(fā)，先把基座模型打牢。

這種堅(jiān)持，在行業(yè)里并不常見。許多公司會優(yōu)先追求“可見的功能”，希望盡快展示應(yīng)用場景和商業(yè)化前景；而 Kimi 團(tuán)隊(duì)卻選擇先解決底層的難題，如何讓萬億級參數(shù)規(guī)模的模型不僅能被訓(xùn)練出來，更要高效、穩(wěn)定且可擴(kuò)展。為此，他們首次將創(chuàng)新的優(yōu)化器應(yīng)用到萬億級參數(shù)訓(xùn)練中，在訓(xùn)練效率與穩(wěn)定性上都實(shí)現(xiàn)了技術(shù)突破。這不僅讓 Kimi K2 在性能上站穩(wěn)了腳跟，也為后續(xù)的 Agent 能力迭代奠定了堅(jiān)實(shí)基礎(chǔ)。

這種取舍，背后反映的是一個(gè)清晰的判斷：未來的智能體不只是“能回答問題”，而是“能自主解決問題”；不只是“堆疊工具”，而是“學(xué)會運(yùn)用工具”；不只是“功能展示”，而是“內(nèi)化能力”。而要實(shí)現(xiàn)這一切，必須先有足夠強(qiáng)大的基座模型，才能承載 Agent 的演化。

在 Agent 的工具調(diào)用上，Kimi K2也有亮眼的表現(xiàn)。比如，將13萬行原始數(shù)據(jù)交給 Kimi K2，它能分析遠(yuǎn)程辦公比例對薪資的影響，識別顯著差異，自動生成統(tǒng)計(jì)圖表與回歸模型，并以統(tǒng)一色調(diào)繪制小提琴圖、箱線圖、散點(diǎn)圖等專業(yè)圖表，最后還會附上一份條理分明的研究報(bào)告。

這種架構(gòu)，也為全局 Agent打開了可能。通過動態(tài)激活少量專家，模型能夠在有限資源下完成復(fù)雜多步驟任務(wù)，如數(shù)據(jù)分析、報(bào)告生成、資源調(diào)度，從而讓Agent 在更多領(lǐng)域的部署變得更可行、更靈活。未來，結(jié)合強(qiáng)化學(xué)習(xí)或工作流機(jī)制，它還有望進(jìn)一步優(yōu)化科研協(xié)作中的實(shí)時(shí)響應(yīng)與決策。

中關(guān)村物聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟副秘書長袁帥認(rèn)為，從技術(shù)優(yōu)勢層面看，Kimi-Researcher和Kimi K2在AI Agent領(lǐng)域優(yōu)勢顯著。它們依托先進(jìn)的大模型技術(shù)，在信息處理上具備高效性與精準(zhǔn)性，能快速理解復(fù)雜問題，從海量數(shù)據(jù)中提取關(guān)鍵信息并給出準(zhǔn)確回答。在推理能力方面，可進(jìn)行深度邏輯分析，處理復(fù)雜任務(wù)時(shí)展現(xiàn)出較強(qiáng)的思維連貫性。從聊天工具進(jìn)化為“超級助手”，產(chǎn)品理念發(fā)生了根本性轉(zhuǎn)變，早期聊天工具側(cè)重于簡單問答交互，而“超級助手”定位為全方位服務(wù)提供者，旨在深度融入用戶生活與工作場景。技術(shù)架構(gòu)上，從單一問答模型升級為集成多種功能模塊的綜合系統(tǒng)，涵蓋記憶存儲、任務(wù)規(guī)劃、工具調(diào)用等，各模塊協(xié)同工作以實(shí)現(xiàn)復(fù)雜任務(wù)。

科方智庫研究負(fù)責(zé)人張新原在接受《商學(xué)院》記者采訪時(shí)表示，Kimi K2在AI Agent領(lǐng)域的優(yōu)勢，核心在于高效信息處理與精確任務(wù)執(zhí)行。從聊天工具到“超級助手”，Kimi實(shí)現(xiàn)了架構(gòu)升級：多模塊系統(tǒng)具備記憶、工具調(diào)用與任務(wù)規(guī)劃能力，產(chǎn)品理念也從被動響應(yīng)轉(zhuǎn)向主動服務(wù)。

長期記憶通過向量數(shù)據(jù)庫和知識圖譜實(shí)現(xiàn)，多輪對話依賴上下文擴(kuò)展與意圖識別技術(shù)，有效解決傳統(tǒng)AI在復(fù)雜場景下連續(xù)性差、需重復(fù)輸入的問題，如跨天工作流跟進(jìn)和個(gè)性化學(xué)習(xí)輔導(dǎo)。未來，Kimi將引入多步驟自動化任務(wù)鏈與跨Agent協(xié)作機(jī)制，目前正在研發(fā)基于DAG（有向無環(huán)圖）的任務(wù)調(diào)度引擎與Agent通信協(xié)議。

張新原認(rèn)為，在角色設(shè)計(jì)上，Kimi采用“核心人格+專業(yè)模塊”架構(gòu)，保證底層任務(wù)執(zhí)行穩(wěn)定，表層通過性格和對話風(fēng)格實(shí)現(xiàn)個(gè)性化，并建立嚴(yán)格測試體系保障專業(yè)場景可靠性。自研大模型在32k超長上下文窗口和層次化注意力機(jī)制方面突破，支持復(fù)雜任務(wù)拆解和跨模態(tài)理解，并優(yōu)化工作記憶模塊動態(tài)管理對話歷史。

To C端注重體驗(yàn)與情感化設(shè)計(jì)，To B端強(qiáng)調(diào)API開放性與系統(tǒng)集成能力，通過共享底層模型、定制中間件實(shí)現(xiàn)資源協(xié)同。在張新原看來，Kimi差異化優(yōu)勢在于：對話連貫、角色一致、長期記憶精準(zhǔn)調(diào)用，這源于對用戶心理模型和工作記憶機(jī)制的深入研究。

平臺化策略包括開放插件接口、建立角色模板市場和推出Agent開發(fā)套件，并通過分層激勵(lì)吸引垂直領(lǐng)域?qū)＜?。安全層面，Kimi構(gòu)建了三層防護(hù)：沙盒任務(wù)執(zhí)行、多Agent權(quán)限隔離、合規(guī)審查中間件，并以強(qiáng)化學(xué)習(xí)優(yōu)化異常處理。自主性演進(jìn)采取漸進(jìn)策略，現(xiàn)階段聚焦半自主能力，如智能日程管理和自動化報(bào)告生成，始終保證人機(jī)協(xié)作可解釋、可控。

隨著任務(wù)與工具的持續(xù)擴(kuò)展，Kimi 的Agent 或?qū)⒊蔀榭蒲?、商業(yè)與生產(chǎn)力領(lǐng)域里不可或缺的伙伴。那時(shí)，它與人類的關(guān)系已不只是助手，而更像是一種深度協(xié)作，共同迎接新的智能時(shí)代。

袁帥認(rèn)為，展望未來，Kimi向“自主性 Agent”演進(jìn)成為可能。其成為能獨(dú)立規(guī)劃并執(zhí)行任務(wù)的個(gè)人數(shù)字伙伴，需進(jìn)一步提升推理和決策能力。在硬件終端融合方面，可與智能穿戴設(shè)備、智能家居等結(jié)合，實(shí)現(xiàn)更便捷的交互和服務(wù)，為用戶帶來全新的智能體驗(yàn)。簡而言之，Kimi在技術(shù)創(chuàng)新、市場拓展和生態(tài)構(gòu)建等方面不斷探索前行，未來發(fā)展前景將非常廣闊。