Kimi首个Agent「Kimi-Researcher」开启内测 | 云九Portfolio

近日，月之暗面Kimi宣布发布首个Agent产品Kimi-Researcher（深度研究），并开始小范围灰度测试。

功能

Kimi-Researcher 是月之暗面旗下的 Kimi 推出的基于端到端自主强化学习（end-to-end agentic RL）技术训练的新一代 Agent 模型，专为深度研究任务而设计。能自主规划任务执行流程，通过澄清问题、深入推理、主动搜索和调用工具等步骤，最终交付高质量的研究成果。

• 澄清问题（clarification）：理解问题时主动反问，构建更清晰的问题空间；

• 深入思考：每个任务平均进行 23 步推理，自主梳理并解决需求；

• 主动搜索：每个任务，平均规划 74 个关键词，找到 206 个网址，由模型判断并筛选出信息质量最高的前 3.2% 内容，剔除冗余、低质信息；

• 调用工具，交付结果：自主调用浏览器、代码等工具，处理原始数据、自动生成分析结论，端到端完成交付。

为了保证输出的质量和信息覆盖度，Kimi-Researcher 采用异步执行方式，用更多时间逐步推理、检索和撰写内容。

最终，用户将得到2个交付成果：

1. 一份信息详实、可溯源的深度研究报告——

• 报告的平均长度在万字以上；
• 平均引用约 26 个高质量、可溯源的信源；
• 所有引用都内嵌在正文中，点击即可跳转，并高亮原文，便于验证与追溯。

2. 一个可交互、可分享的动态可视化报告——

• 结构化排版、思维导图，让趋势、异常等重要信息一眼可见；
• 无需阅读全文，也能迅速把握整体结构与核心结论；
• 支持在线生成链接并分享，方便展示。

基准测试

在“人类终极考验”(HLE)测试中，Kimi-Research在完全零结构、无流程设计的设置下取得了26.9% 的 Pass@1得分率，达到了业界顶尖水平;其 Pass@4准确率更是高达40.17%。

这一表现超过了 Claude 4 Opus（10.7%）、Gemini 2.5 Pro（21.6%），略高于 OpenAI Deep Research（26.6%），和 Gemini-Pro 的 Deep Research Agent（26.9%）打平，是目前已知最高水平之一。

Humanity’s Last Exam（HLE） 是一套专为 AI 设计的高难度 benchmark，题目覆盖上百个专业领域，从数学、物理、医学到政治、历史，考察模型在复杂知识任务中的真实解决能力。

而在红杉中国发布的 xbench 基准测试中 —— 一套对齐真实任务场景的 AI 能力评估体系，Kimi-Researcher 在 DeepSearch 任务中取得 69%的平均通过率，领先该榜中其他模型。

应用场景

据介绍，Kimi-Researcher的应用场景包括但不限于：

• 算法研究，如寻找高价值的 benchmark，用于评估模型能力边界；
• 运营研究，如分析行业内公司发展；
• 法务，如对比多个国家某项法律条款的区别；
• 券商，如搜集各大机构对债市的核心判断；
• 教学，如生成分模块、可直接用于教学的教案；
• 学习，如理解复杂知识结构，比如国际货币体系演变。

此外，Kimi-Researcher 还可以满足我们生活中的好奇心：

• 想要入门攀岩，请帮我写个新手入门 101；
• 分析灌篮高手主力队员技术特点和比赛数据；
• 研究 Labubu 从诞生到爆火的全经过；
• 给约翰列侬/乔布斯/某个朋友，甚至自己，做一个人物小传。

未来，月之暗面将逐步开源Kimi-Researcher 基础预训练模型及强化学习后的模型，以推动Agent强化学习方向的探索。