传统的Agent，多半依赖预设的流程，像一条早已铺好的路。可一旦底层模型更新，整个系统就需要推倒重来。 Kimi采用的端到端地强化学习，走的是另一条路。它让模型在未知的问题里自由探索，不靠固定的程序，而靠数据和反馈一点点成长。

文｜胡嘉琦

ID | BMR2004

如今，人工智能已悄然走进我们生活的方方面面。它不再只是一个回答问题、处理事务的小帮手，而是慢慢长成了能参与科研、辅助决策、激发创意的智能体。

7月11日的一个深夜，月之暗面团队推出的 Kimi K2，引起不少人注意。这是一个强大的模型，拥有一万亿个参数，在编程、推理、工具使用上都颇为拿手，和国际上最先进的闭源模型 GPT-4.1、Claude Opus 4 相比，也不遑多让。不同的是，它选择了完全开源，把自己的可能性交给了更大的世界。

Kimi K2在发布后48小时内迅速引爆市场：官网访问量激增36亿，开源社区Hugging Face下载量突破10万次。

与此同时，Kimi还推出了面向科研领域的“Kimi-Researcher”。Kimi-Researcher是月之暗面推出的首个Ai Agent。它的特别之处在于，用上了“端到端的自主强化学习”（End-to-End Reinforcement Learning, E2E RL），就是让它自己学会“做研究”。人们说，这或许是 AI 从“工具”到“研究型伙伴”的一次转身。

01

训练一个会“做研究”的AI

Kimi-Researcher 拥有的这一切已经和一个真实的研究者很接近了。只不过，Kimi-Researcher 不会觉得疲惫，也不会觉得枯燥。

Kimi 团队这些年，一直专注着一个问题：能不能让Kimi-Researcher不只是“找答案”，而是真的能“做研究”？

月之暗面研究员冯一尘、毛绍光在《月之暗面 Kimi 首个 Agent 开启内测，可生成易追溯的万字报告，有哪些技术亮点？》分享了Kimi-Researcher的工作原理。在训练过程中，研究团队为它搭建了一个模拟的研究环境，里面有各种各样的复杂任务。它需要自己去想：先把问题问清楚，再规划研究步骤，然后搜集资料、读文献、跑代码、分析数据，最后写出一份像模像样的研究报告。就像一个年轻的研究生，从摸索到独立。

这种训练方式主要靠的是端到端强化学习（End-to-End Reinforcement Learning, E2E RL）。模型会自己尝试不同的研究路径，有时走对了，有时走岔了，再根据结果来调整。久而久之，它学会了如何少走弯路。为了避免人工数据不足，团队还设计了自动合成数据的方法，让它能在更大的范围里反复练习。

在执行任务时，Kimi-Researcher 的表现已经颇有几分“人味”。比如，首先在澄清问题环节，它不会一上来就急着回答，而是常常先追问一句，帮用户把问题讲得更明白。这样做，是为了不让研究方向跑偏。

在深入推理环节，在问题确定之后，它会安静地思考，把一个复杂的问题拆成小问题，一步步地推理。平均下来，每次研究它要走20多步，像画一张路线图。

在主动搜索环节，信息是研究的根基，它会自己设定关键词去找资料。执行一次任务，往往要检索上百个网站，然后只留下最有价值的那几条。

在调用工具环节，当找到的资料不够，它会调动浏览器、代码解释器等工具，把原始数据整理分析，提炼出真正的结论。

在生成报告环节，它把所有过程和发现写进报告里。有时候是一份厚厚的研究稿，动辄上万字，里面还会附上几十条可靠的参考文献；有时候是一份可以交互和分享的可视化结果。无论哪种，都力求清晰、可溯源。

看上去，Kimi-Researcher 拥有的这一切已经和一个真实的研究者很接近了。只不过，Kimi-Researcher 不会觉得疲惫，也不会觉得枯燥。

02

强化学习的成果与“涌现”行为

从科研到商业，Kimi-Researcher的能力逐渐展开。与其说是一个工具，不如说更像一位助手，能在收集、整理与分析之间自主地完成整个链条。

在构建 Kimi-Researcher 时，相比传统搜索工具式的开发思路，端到端强化学习是一条更具挑战性的路线。

这位“研究型智能体”第一次出场，就遇到了一场名叫“人类最后一场考试”（Humanity’s Last Exam，以下简称“ HLE”）的挑战。那是一份涵盖生物、化学、物理、数学、人文学科的卷子，有3000多道专家级的难题。换句话说，这不是随便答答的选择题，而是检验一个Agent能不能像研究者那样思考的试金石。

这条路虽然难，但在端到端的强化学习过程中，也带来一些出乎意料的惊喜。

冯一尘提出，在HLE榜单上，Ai Agent 的分数从最初 8.6%的准确率跃升到 26.9%。这一跨越几乎完全得益于强化学习的训练。OpenAI 的 Deep Research 团队在类似工作中，从20多分提升到 26.6 分，两者对比，更能凸显强化学习在智能体训练上的巨大价值。

在HLE测评中，智能体pass@4指标（指智能体在四次自主尝试内成功解决任务的概率）达到 40.17%。这意味着，即便面对极其困难的问题，智能体在四次尝试里，也有超过四成的概率成功找到答案。只要能够探索到正确路径，这种经验就能逐渐沉淀为模型的内在能力。

其中，更引人注目的是“涌现”。模型在找到初步答案后，并不会立即停下，而是主动进行多轮搜索，用不同来源的信息交叉验证，以确保结论更为准确。甚至在遭遇极度专业、现有资料无法解决的问题时，它还会生成一个行动——“给论文作者发邮件寻求解答”。

这些举动并非预先设计，而是在完成任务的过程中，模型自己摸索出来的办法。正是这样的细节，让人看到了 Agent 向更通用方向发展的可能性，也让强化学习的价值显得尤为清晰。

传统的 Agent，多半依赖预设的流程，像一条早已铺好的路。可一旦底层模型更新，整个系统就需要推倒重来。而模仿学习，则需要人工一步步标注完整的轨迹，费时又难以扩展。端到端地强化学习，走的是另一条路。它让模型在未知的问题里自由探索，不靠固定的程序，而靠数据和反馈一点点成长。它能尝试、能迭代，甚至能在反复试错中学会更高阶的策略。换句话说，它不再依赖外部的拼装，而是把能力“内化”进了自身。

这种方式，也让 Kimi-Researcher 的科研能力落到了实处。它已经能在不同的场景里派上用场：在信息搜集与尽调时，自动梳理最新的基准测试成果；在知识整理时，把复杂体系化繁为简，按时间线清楚地呈现；在陌生领域的探索中，几分钟便能产出长篇报告，帮新手迅速入门；在兴趣探索里，能为一场虚拟漫画比赛写出详细的报告；在市场调研中，则能对比商品的价格、功能与性价比，给出实用的推荐。

从科研到商业，Kimi-Researcher的能力逐渐展开。与其说是一个工具，不如说更像一位助手，能在收集、整理与分析之间自主地完成整个链条。

科研之外，这种 Agent 的能力，还被进一步延伸到日常的工作流管理。通过 Vector（向量或数据结构）、MCP（多智能体通信协议）、Communicate-to（通信目标指示）这样的技术组合，它能自动安排任务、调用不同工具协同工作、根据日程触发执行，并稳定运行在服务器上，全天候地接管事务。对于非程序员来说，这种自动化工作流，像是轻轻松松就搭建了一位“随叫随到”的秘书。

于是，一个科研 Agent，慢慢生长出更通用的面貌：既能在实验室里帮人写综述，也能在办公室里帮人排日程，低成本、高效率，安静却可靠。它所展示的，不只是技术的成果，更是人们与 AI 共处方式的一次新的尝试。

毛绍光曾坦言，来到kimi后，发现大家的愿景其实很一致：提高模型的智能、拓展模型的边界，或者说就是要做通用人工智能（AGI）。于是，他参与训练一个真正的 Agent 模型，成了顺理成章的决定。

只是，这条路并不轻松。虽然强化学习在训练推理模型时已经显示出惊人的效果，但放在Agent上，还要面对许多不同的挑战。因为Agent工作在真实环境里，而环境总是动态的：同一个工具，在不同情况下可能会给出不一样的结果；任务往往是长周期的，对模型的上下文长度管理、展开效率和训练的稳定性，都是新的考验。

更何况，找到能真正激发 Agent 能力的训练数据本就不容易。每一条成功的轨迹都像是一段很长的故事，语境冗长而复杂，怎样让模型从中有效地学习，是一个需要不断探索的问题。

03

迈向更高层级的模型能力

未来的智能不只是“能回答问题”，而是“能自主解决问题”；不只是“堆叠工具”，而是“学会运用工具”；不只是“功能展示”，而是“内化能力”。

如今，Kimi-Researcher 已经能够帮助人们做科研信息的收集、深度分析、知识梳理与决策。但它的目标，并不止于此。

一方面，不断增加任务与工具，让模型在更多陌生的场景里学会泛化；另一方面，强化 Agent 的自主探索能力，使其真正能在科研、决策与创新工作里，成为人类可信赖的伙伴；再进一步，科研型 Agent 与生产力工具的结合，将让它不光“做研究”，还能“做事”。

自 Kimi K2 推出后，这一思路显得更加清晰。长期关注科技行业的撰稿人 David Ondrej 曾提到，Kimi K2 的优势在于高效的混合专家架构（MoE）：每个令牌仅需要激活8位专家，就能完成任务。这种设计大幅降低了计算资源消耗，却仍能保持性能，尤其在编程、逻辑推理与中文处理上表现突出。它拥有 1 万亿总参数和 320 亿激活参数，在基准测试 SWEBenchVerified 上的成绩，已走在前列。换句话说，它既节省了成本，又为诸如桌面文件整理、任务自动化等实际应用，打下了可靠基础。

Agent能力为Kimi K2提供了更多的可能性，Kimi K2开始主动在不同环境中探索，学会使用工具、习得新技能，并通过与电子世界甚至真实世界的交互获取反馈，从而不断强化自主完成任务的能力。

工具使用的能力，本质上意味着模型迈向了更高层级。正如在自然界中，动物与人类之间最显著的分界点之一，就是是否能够熟练地使用和创造工具。动物或许能依靠本能完成一些任务，而人类则能借助工具不断扩展自身的边界，从点火取暖到建造城市，正是工具让人类真正成为“能进化的物种”。同样地，Kimi K2 具备了 Agent 能力之后，也不再局限于单纯地被动应答，而是能够通过工具去扩展知识、提升效率、解决更复杂的问题。

具备运用工具的能力，是大模型迭代中的重要一环。在模型竞赛激烈的当下，很多团队为了抢占市场，往往选择快速迭代、抢先发布，以速度赢得关注。然而，Kimi K2 项目团队却选择了一条更艰难但更长远的道路：拒绝抢发，先把基座模型打牢。

这种坚持，在行业里并不常见。许多公司会优先追求“可见的功能”，希望尽快展示应用场景和商业化前景；而 Kimi 团队却选择先解决底层的难题，如何让万亿级参数规模的模型不仅能被训练出来，更要高效、稳定且可扩展。为此，他们首次将创新的优化器应用到万亿级参数训练中，在训练效率与稳定性上都实现了技术突破。这不仅让 Kimi K2 在性能上站稳了脚跟，也为后续的 Agent 能力迭代奠定了坚实基础。

这种取舍，背后反映的是一个清晰的判断：未来的智能体不只是“能回答问题”，而是“能自主解决问题”；不只是“堆叠工具”，而是“学会运用工具”；不只是“功能展示”，而是“内化能力”。而要实现这一切，必须先有足够强大的基座模型，才能承载 Agent 的演化。

在 Agent 的工具调用上，Kimi K2也有亮眼的表现。比如，将13万行原始数据交给 Kimi K2，它能分析远程办公比例对薪资的影响，识别显著差异，自动生成统计图表与回归模型，并以统一色调绘制小提琴图、箱线图、散点图等专业图表，最后还会附上一份条理分明的研究报告。

这种架构，也为全局 Agent打开了可能。通过动态激活少量专家，模型能够在有限资源下完成复杂多步骤任务，如数据分析、报告生成、资源调度，从而让Agent 在更多领域的部署变得更可行、更灵活。未来，结合强化学习或工作流机制，它还有望进一步优化科研协作中的实时响应与决策。

中关村物联网产业联盟副秘书长袁帅认为，从技术优势层面看，Kimi-Researcher和Kimi K2在AI Agent领域优势显著。它们依托先进的大模型技术，在信息处理上具备高效性与精准性，能快速理解复杂问题，从海量数据中提取关键信息并给出准确回答。在推理能力方面，可进行深度逻辑分析，处理复杂任务时展现出较强的思维连贯性。从聊天工具进化为“超级助手”，产品理念发生了根本性转变，早期聊天工具侧重于简单问答交互，而“超级助手”定位为全方位服务提供者，旨在深度融入用户生活与工作场景。技术架构上，从单一问答模型升级为集成多种功能模块的综合系统，涵盖记忆存储、任务规划、工具调用等，各模块协同工作以实现复杂任务。

科方智库研究负责人张新原在接受《商学院》记者采访时表示，Kimi K2在AI Agent领域的优势，核心在于高效信息处理与精确任务执行。从聊天工具到“超级助手”，Kimi实现了架构升级：多模块系统具备记忆、工具调用与任务规划能力，产品理念也从被动响应转向主动服务。

长期记忆通过向量数据库和知识图谱实现，多轮对话依赖上下文扩展与意图识别技术，有效解决传统AI在复杂场景下连续性差、需重复输入的问题，如跨天工作流跟进和个性化学习辅导。未来，Kimi将引入多步骤自动化任务链与跨Agent协作机制，目前正在研发基于DAG（有向无环图）的任务调度引擎与Agent通信协议。

张新原认为，在角色设计上，Kimi采用“核心人格+专业模块”架构，保证底层任务执行稳定，表层通过性格和对话风格实现个性化，并建立严格测试体系保障专业场景可靠性。自研大模型在32k超长上下文窗口和层次化注意力机制方面突破，支持复杂任务拆解和跨模态理解，并优化工作记忆模块动态管理对话历史。

To C端注重体验与情感化设计，To B端强调API开放性与系统集成能力，通过共享底层模型、定制中间件实现资源协同。在张新原看来，Kimi差异化优势在于：对话连贯、角色一致、长期记忆精准调用，这源于对用户心理模型和工作记忆机制的深入研究。

平台化策略包括开放插件接口、建立角色模板市场和推出Agent开发套件，并通过分层激励吸引垂直领域专家。安全层面，Kimi构建了三层防护：沙盒任务执行、多Agent权限隔离、合规审查中间件，并以强化学习优化异常处理。自主性演进采取渐进策略，现阶段聚焦半自主能力，如智能日程管理和自动化报告生成，始终保证人机协作可解释、可控。

随着任务与工具的持续扩展，Kimi 的Agent 或将成为科研、商业与生产力领域里不可或缺的伙伴。那时，它与人类的关系已不只是助手，而更像是一种深度协作，共同迎接新的智能时代。

袁帅认为，展望未来，Kimi向“自主性 Agent”演进成为可能。其成为能独立规划并执行任务的个人数字伙伴，需进一步提升推理和决策能力。在硬件终端融合方面，可与智能穿戴设备、智能家居等结合，实现更便捷的交互和服务，为用户带来全新的智能体验。简而言之，Kimi在技术创新、市场拓展和生态构建等方面不断探索前行，未来发展前景将非常广阔。

来源 | 《商学院》杂志9月刊