Kimi-Researcher - Kimi推出的深度研究Agent模型

Kimi-Researcher是什么

Kimi-Researcher 是月之暗面旗下 Kimi 推出的一款 Agent 模型，用端到端自主强化学习（end-to-end agentic RL）训练，专门做深度研究。它会自己规划任务流程：先澄清问题，再推理、搜索、调用工具，最后交付研究结果。

Kimi-Researcher 的核心能力可以拆成几块：主动反问，把问题空间问清楚；平均 23 步推理，把问题想透；用 74 个关键词和 206 个网址筛出高质量信息；再调用工具处理原始数据、得出分析结论。最终输出万字以上的研究报告，引用约 26 个高质量信源，报告是动态可视化的，可以交互，核心结论一眼能抓到。

Kimi-Researcher的主要功能

• 澄清问题：先主动反问，把问题空间问清楚。
• 深入推理：每个任务平均做 23 步推理，自己把需求梳理清楚再解决。
• 主动搜索：平均规划 74 个关键词，再从中挑出信息质量最高的前 3.2%。
• 调用工具：自己调用浏览器、代码等工具，处理原始数据，给出分析结论。
• 生成深度研究报告：报告万字以上，引用约 26 个高质量信源，每条引用都能溯源。
• 动态可视化报告：报告有结构化排版和思维导图，核心结论比较容易抓到。
• 异步执行：任务异步执行，给输出质量和信息覆盖留出时间。

Kimi-Researcher的技术原理

• 端到端自主强化学习：Kimi-Researcher 用端到端强化学习，训练时模型自己试错，把整个任务当成一个整体来学。复杂的推理、工具切换、环境变化它都能应付，不依赖预设流程，也不需要人写提示词。
• 零结构设计：Kimi-Researcher 是零结构 Agent，没有复杂提示词，也没有预设流程。推理模式是训练中自己长出来的，策略、路径、判断都来自反复试错。
• 结果驱动的强化学习算法：唯一的驱动力是任务有没有真正解决。只有任务完成、结果正确，模型才拿得到奖励，因此面对复杂任务时它会自己调整做法。
• 轻量化长时记忆机制：Kimi-Researcher 没有固定的记忆模块，哪些信息值得记、推理时怎么调用，都由它自己决定，长序列任务因此能处理得更顺。
• 面向 Agent 的训练基础设施：Kimi-Researcher 的训练基础设施支持异步执行和灵活接口，还用“分步回滚”这类机制来提升长序列任务的学习效率。
• 多模态能力与长思维链推理：Kimi-Researcher 的技术框架里也包含多模态：文本和视觉数据联合训练，模型在多模态任务上的表现会更好。长思维链推理训练则让它能处理复杂的逻辑推理。

Kimi-Researcher的项目地址

• 技术论文：https://moonshotai.github.io/Kimi-Researcher/

如何使用Kimi-Researcher

• 访问入口：访问 Kimi 官网，或者在微信小程序里搜“Kimi 智能助手”。
• 申请内测：也可以点申请内测权限，把想让 Kimi-Researcher 研究的问题写清楚。
• 使用功能
  • 深度研究：Kimi-Researcher 会自己规划执行流程——澄清问题、深入推理、主动搜索、调用工具，最后产出研究报告。（每月 20 次额度，同时支持 1 条任务并发）
  • 动态可视化报告：生成排版结构化的可视化报告，核心结论比较好抓。
  • 联网搜索：Kimi-Researcher 能联网搜最新信息，再把相关内容整合、总结。
• 输入问题或指令：在对话框里写下问题或具体需求，Kimi-Researcher 会按你的指令做研究。
• 上传文件：可以上传 PDF、Word、Excel、PPT、TXT 等格式的文件，最多 50 个，单个不超过 100M。
• 指定任务：直接告诉 Kimi-Researcher 要做什么，比如提取关键内容、总结、翻译。
• 使用技巧
  • “继续”功能：处理长内容时可以点“继续”，让模型的思路接得上。
  • 常用语功能：把常用语或快捷指令设好，触发任务会快很多。
  • 角色扮演：可以让 Kimi-Researcher 扮演面试官、专家之类的角色，来完成特定任务。
• 验证与校验：Kimi-Researcher 给出的分析和结论，最好结合自己的专业知识判断、核实一遍。

Kimi-Researcher的基准测试

• “人类最后一次考试”（Humanity’s Last Exam, HLE）：
  • Pass@1 准确率：26.9%
  • Pass@4 准确率：40.17%
  • 这个成绩超过了 Claude 4 Opus（10.7%）和 Gemini 2.5 Pro（21.6%），略高于 OpenAI Deep Research（26.6%），与 Gemini-Pro 的 Deep Research Agent（26.9%）持平。
• 红杉中国 xbench 基准测试：在 DeepSearch 任务里，Kimi-Researcher 的平均通过率达到 69%，在该榜单上领先其他模型。

Kimi-Researcher的应用场景

• 实时研究支持：用户可以问最新的研究进展，Kimi 会去找相关论文、数据，整理成分析报告。
• 市场趋势分析：分析市场趋势、消费者行为和竞争对手策略，输出市场分析报告。
• 教案编写：教师可以用 Kimi-Researcher 写教案，把教学结构搭完整。
• 法律政务场景：自动识别风险条款并给出修订建议；证据链会自动梳理，与法律条文匹配，最后生成带法律依据的案情摘要报告。