最近有个问题，一直在困扰着我：为什么杭州和北京的AI公司那么多，而其他地方的相对就更少呢？

正好当时我申请内测的Agent通过了，于是我就用它跑了一个深度研究的任务，然后就电脑就挂在那，干别的事情去了。

当我再次点开它的界面之后，任务已经完成了，还为我生成了一份可视化的报告：

这是那份报告的头图。

讲真的，看到这张图片的那一刻，我脑中浮现了两个字——

“精彩”。

一、Kimi的荣耀与滑铁卢

如果你问我，国产AI这么多，哪一款让我最觉得可惜，我会告诉你，是Kimi。

在早期，这个AI是我使用的最多，也认为是最好用的。

无他，因为它的长文本处理能力，在2024年的国产大模型中，堪称顶流。

一款产品无到有，产品经理需要做些什么？

在一个产品从无到有的过程中，要做好产品经理这个角色实在是不容易，除了大家都知道的写需求、写需求、写需求，要做的事多着呢。产品经理不是你眼中的只会找你麻烦，提要求..

查看详情 >

2023年10月，Kimi AI首次亮相，它主打的20万字上下文长度在当时已经是一个足够惊艳的数字。之后的几个月里，Kimi AI 的月活跃用户（MAU）持续增长，从50万到298万，从2023年12月到2024年2月，只用了3个月时间。

而它背后的公司——月之暗面，也开始走入人们的视野。

2024年3月，月之暗面宣布Kimi支持200万字的无损上下文输入，引起了一波轰动，在5个月时间内，上下文长度提升10倍，同时也引起了同行在长文本领域的“内卷”，各大互联网厂商纷纷跟进，开启了“军备竞赛”式的竞争,Kimi也及时在B站投流，实现了用户的快速增长。

之后的几个月里，Kimi的月活跃用户持续攀升，到2024年11月，据创始人杨植麟所说，已经达到了3600万。

按理说，如此猛的势头，Kimi应该继续牛逼下去，直到“封神”。

可是，在2025年，Kimi却遭遇了它最为强力的竞争对手。

2025年初，DeepSeek（深度求索）横空出世，凭借开源+强大的技术实力，直接打击了包括Kimi在内的一众竞品。

2025年3月，DeepSeek月活跃用户数达到1.94亿，位居AI原生APP榜首，而Kimi的月活跃用户则是从顶峰时期的3600万下滑到了1830万，位居第四。

在国内AI用户甚至是普通民众的口中，“DeepSeek”成为了大家口中频繁出现的词汇，AI顶流的代名词，直到今天。

而Kimi呢？

仿佛它的高光时刻，已经过去，沦为了众多新兴AI的垫脚石。

我个人就有很深的体会，说实话，我已经很久没有点开Kimi的网页或者APP了。

去年3月，Kimi风光无限，今年3月，Kimi却没能够再次震撼世界。

然而，在AI圈大战没落下帷幕的时候，乾坤未定，一切皆有可能。

6月20号，月之暗面官方发布的一篇文章，让我忍不住感叹：原来不是Kimi握不动刀了，而是它拿起了板砖！

二、Kimi-Researcher，专为深度研究而生的Agent

1、你是否也有同感？

GDR（Google DeepResearch）一直是我很喜欢用的一个产品，动辄输出十多页、二十多页的报告，总让我有种莫名的“量大管饱”的满足感…

• 不过，如果要说它有什么地方有待改进的话，作为资深用户，我还是能提几个出来的：对网络环境要求极高…大家都知道，由于Gemini是国外的AI，所以如果要使用它的话，不得不用些特殊手段，这点就在无形当中制造了门槛；
• 当你发出指令的时候，它会先列出执行步骤给你确认，但是假如我们自己都没想清楚，那自然也没有办法进行修正，这种感觉，就像点外卖的时候没选择“需要餐具”一样尴尬…
• 它开始干活的时候，真的是很严格地在按照流程来执行，但是有时候太“按规矩办事”，反而失去了一些灵动感，毕竟…哪位老板希望自己的员工只像老黄牛一样吭哧吭哧地埋头苦干呢…

但是这丝毫不影响我对Gemini的爱，充其量只是相当于，喜欢的女孩脸上长了青春痘，虽然影响了美貌，但是无伤大雅…

不过总是有些遗憾。

2、Kimi-Researcher，来了。

上周五，朋友群里转发了一篇来自Kimi官方的公众号文章，就讲了一件事——他们发布了一款专门为了深度研究而生的Agent，并且现在开始了内测。

这一下，好像平静的水面投入了一颗巨石，激起千层浪…群炸了。

我也在第一时间就申请了内测。

我也忘了是多久，反正就不超过一天的时间，当我再次点进Kimi官网的时候，输入框下面就出现了一个“深度研究”的按钮。

最近AI的活动贼多，群里几乎每天都能收到“某某AI举办活动，地址在北京/杭州”这样的消息。

每次有朋友说自己要去的时候，我内心都涌现出一堆很复杂的情绪，总结两个字：“羡慕”。

所以，我稍加思索之后，就输入了这段话：

引用可靠来源，经过多角度，多维度的分析，告诉我以下答案：

为什么AI公司基本都开在北京和杭州？

Kimi给我的回复是这样的：

我们可以看到，它不是着急干活，而是要先向我确认我的具体需求。

这一步骤，叫做“澄清问题”。是当它理解问题时，主动反问，向用户做确认，有的放矢。

其实我很怕麻烦，如果可以，我真想要的是当一名“甩手掌柜”，完全不插手，不参与。

但是这明显不太可能。

因为一旦我真的当了甩手掌柜，那么结果就完全不是我可以控制的，甚至可能输出一份与我的要求不符合的报告，不仅白白浪费时间，还给自己找罪受….

但是如果你要我说出个一二三来，准确表达我的需求，这又有点为难我了。

Kimi-Researcher直接像一名称职的助理一样，直接列出需要关注的点，让我自己选择，有了这一步操作，起码能够保证这份报告具有一定的聚焦。

然后，我就告诉它：

其实这一步我是感觉有些惊讶的。

因为我自己都没注意到，我提出的“AI公司”这个概念太庞大了，但是Kimi注意到了，并且还向我发起了提问。

那在之后的时间里，我原本应该去干自己的事儿，坐等报告就好，但是奈何Kimi Research执行任务的过程太精彩了，比小说还好看，一下子就吸引了我的眼球。

直到这里，我才想起，Kimi-Research，它就是一个Agent啊！

Kimi-Research并没有选择一条道走到黑——只关注在这些特定问题上不懂变通，而是学会了自己思考。

这个部分，是它的深入思考：能够自主梳理并理解需求，在这当中，我们只需要帮助它锚定需要聚焦的点就可以，其他的让其自由发挥。

我们同样，也能看到，它其实是有在提取关键词，根据关键词进行搜索的，而且它能够筛选，把那些信息质量高的来源主动摘取出来，作为报告的引用源。

而这，是它任务步骤中的“主动搜索”。

它在不需要人工干预的情况下，经过推理之后自行采取更加合理的策略，使用更加高质量的搜索来源。

在经过不算太漫长的等待，大约5分钟左右之后，这份由我+Kimi-Research共同撰写的研究报告就完成了。

在这过程中，它出现了明显的自主性，调用合适的工具完成任务，交付结果。

随之输出的，不仅是一份文字报告，还有一份网页的可视化报告。

仔细看这份文字报告，它不止有文字，它还在每个引用的地方标注了参考来源。当我们点击文字旁边的方块后，在右侧会跳转到对应的引用内容，并且对于它引用的部分，还进行了高亮处理。

点进它引用的文章，跳转页面，我们又能看到一个细节：

它从哪段开始引用的，在来源的网页里，也给你标出来了。

仿佛真的是一名严谨专业的研究员。

而且….

我写论文的时候，也没有这么严谨好吧。

真正的做到了“可溯源”，确保了信息来源的可靠性。

在以前，为了防止AI随意杜撰，捏造一些不存在的网页，我都会在提示词上加一段：“引用可靠的来源，不要随意杜撰”。

但是现在，完全不需要了。

因为Kimi会自己帮助你验证这些网站的可靠性，这就是它“懂我们没说的”。

完整的文字报告太长了，我就不放了，大家可以在评论区回复，我会私发给你。

可视化报告如下：

网页链接：https://www.kimi.com/preview/d1e1ln9sfuve986n5brg?blockId=18

在这个网页里，我们能看到，它的左边是有目录的，点击就能够跳转到对应章节。而且对于有需要的地方，它能够帮你绘制表格，形状，而且样式还特别精美，保证你看了之后不会想打瞌睡。

只因你…你的报告，你做主。

考虑到大家的观感…请点击上面的网页移步观看，记得回来，因为精彩的内容，才刚刚开始。

三、案例测试

之后，我又跑了好几个案例，我将它的问题澄清部分和我的回复都放在下面，是不是够强大，有没有严格遵循我的指令，交给朋友们来评判，如果你要文字版本，欢迎在评论区留言：

1、提示词的输入对AI输出结果的决定作用

提示词：提示词的输入对于AI的输出结果起到怎么样的作用？请参考可靠的信息来源，从多方查证后，为我输出一份深度研究的报告。

Kimi确认需求：

我的回复：

生成的可视化网页：https://www.kimi.com/preview/d1e2pvope77i9aeu4itg?blockId=52

2、那艺娜为什么还能这么火？

提示词：

那艺娜明明被拆穿了俄罗斯人的身份，为什么现在还那么火？

Kimi确认需求：

我的回复：

生成的可视化网页：https://www.kimi.com/preview/d1e2ujo52cekgv1uhep0?blockId=18

3、Kimi从发布到今天的月活用户变化

提示词：

Kimi AI发展情况是怎么样的？它的月活用户量变动情况如何？未来它有可能怎么样发展？请从Kimi的发布时间开始算起，直到今天2025年6月24日，参考可靠来源， 从多视角、多维度进行深度研究，为我生成报告。

Kimi确认需求：

我的回复：

生成的可视化网页：https://www.kimi.com/preview/d1e36njlmiuf20s294n0?blockId=38

在这当中，Kimi-Research出现了一个很有意思的行为：它在没有任何干预的情况下，察觉到了代码存在问题，所以果断放弃了代码，选择了直接撰写报告。

具体为什么会这样？

所谓“知其然知其所以然”，在研读了月之暗面发布的技术解析博客后，我想试试看，用大家能听得懂的语言，来为大家讲解，在发起任务到完成交付的过程中，Kimi的这个Agent，用了怎么样的技术，如果有不完全的地方，请大家见谅哈~

四、技术原理解析

1、端到端自主强化学习

首先，我们应该知道，什么是“端到端”，指的是“用户输入”到“交付结果”中间，没有任何的人工干预，也不出现既定的套路模板，而是由Agent自行完成。Open AI的深度研究也采用了这样的方式。

其次，“自主强化学习”，指的是模型能够自动调用相关的工具，并且根据任务的进度能够自行判断哪个工具最为合适，不依赖我们的提示词，自己就能够走完全程。

2、奖励机制

这是强化学习中很重要的一个概念。它能够帮助模型分辨“好”与“不好”。

为什么会这样？

在一开始的时候，就由人工进行标注，让人类为模型的回答打分。

例如，面对“今晚去哪里吃饭”这个问题，模型给出的回答是“去找家餐厅吧”，对这个回答给予高分；而对“去厕所”这个回答给予低分，这样就得到了原始的标注好的数据。

再根据标注好的数据，来训练一名“打分员”（奖励模型），让模型自己来判断好与不好。每次生成回答后，“打分员”会对回答进行打分，模型再根据回答调整自己的解题思路（参数），这个过程中，模型的回答会越来越偏向于人类满意的回答，这个过程就叫“强化学习”。

而在Kimi-Researcher中，使用的奖励机制是两种：

• 格式奖励：每当模型的操作不符合“操作手册”的规范，它就会被扣钱（获得负奖励），从而帮助它的操作具有规范性和有效性，变成一名听话的好员工。
• 正确性奖励：基于格式奖励，对于模型符合操作规范的情况，将它最终输出的答案与标准答案进行比较，这就促使它的每一步都是为了产生更好的。

然而，对于操作流程完全正确，答案符合标准的两条答复，路径较短、更高效的回答，会在一开始就能够得到奖励，从而帮助模型能够更加有效率的完成任务。

3、上下文管理

对于更复杂、流程更繁琐的任务，模型引入了上下文管理的方法，它就像聪明的学生，并不是每条消息都去记，而是会选择更重要的，丢弃不必要的，从而有选择性地去记忆，这样就能获取更多信息，实现更高的性能。

4、并行工具调用

为了完成任务，Kimi-Researcher携带了三样工具。

• 并行的实时内部搜索工具：可以同时发起多个请求，缩短信息检索的时间，从而更高效地找到答案，如果任务需要大量背景信息、专业知识，或者是某些特定的数据，这个工具是很关键的。
• 用于交互式网页任务，基于文本的浏览器工具：它会模拟人类在网页上的操作，例如点击链接、提取特定区域的内容，使得模型能够在一些交互式的网页中提取数据。
• 用于自动执行代码的编码工具：还记得刚刚截图里我们看到的使用python编码的操作吗？它就是来自于这个编码工具，它赋予了模型计算能力和数据处理能力，可以运行python代码，对于收集到的数据进行分析和处理。

而这三个工具，都被放置在端到端的自主强化学习框架下，供模型自己选择什么时候用什么工具，能够更好完成任务。

五、怎么样才能用上？

目前，Kimi官网已经开放了对Kimi-Research的内测申请。

电脑进入Kimi官方网站：https://www.kimi.com/

在输入框下方，点击“申请Kimi Research内测”：

现在通过的时间应该蛮快的，不会超过半天，你填写的手机号会收到一条短信，告诉你申请通过。

再次进入官网，你会发现，输入框里多了一个按钮：

这就说明你已经可以用Kimi-Research，为你完成任务了。

需要注意的是，每个月20次使用额度，别一不小心就用完了~

Kimi-Research虽好，可别贪用哦~

谁需要Kimi-Research？

如果你是一名学生，你可以用它来帮你搞懂复杂难懂的概念，让Kimi来当你的老师，陪伴你在学习道路上过五关斩六将；

如果你是数据分析从业者，那就更好办了——Kimi会帮你自动筛除掉那些无用的、低质量的信源，采用高质量的、有效的，对你需要整合的数据进行深入分析；

如果你是一名学术研究人员，或者正在撰写学术论文，你可以让Kimi来帮你查找可靠的资料，省去你辛苦跑知网、维普、万方，查找、阅读论文的时间；

如果你是酷爱冲浪的选手，你也可以用Kimi，轻松得知一个梗的前世今生，就像我用它来分析为什么那艺娜会那么火的原因一样，让你轻松踩在浪潮前端，打破信息差，不掉队。

….

更多好玩的场景，等你来发现。

六、Kimi，尚能饭否？

在以上的内容中，我们一起跑了几个任务，但是我心中仍旧有所怀疑，那就是：它和传统意义上的深度研究，区别在哪？官方说它是一个Agent，真的做到了吗？

于是，我把这个问题扔给了ChatGPT。

它对于Agent的定义，有点意思。

ChatGPT认为，合格的Agent应该做到五个方面，将单词“Agent”拆分开来：

A-G-E-N-T

Awareness（有感知）:能识别用户意图，哪怕用户没说，它也能做得好。能理解上下文，也能看懂网页，读懂文档。

Goal-oriented（有目标）：并不是像无头苍蝇一样到处乱转，而是有着清晰的结果导向，并且为了达到目标，而调用自身一切的资源。

Execution（能行动）：能操作工具，完成任务。

Navigation（能规划路径）：不只是将大目标拆分为子任务，而是有规划的去执行，不墨守成规。

Tuning（能自我调整）：面对查询到的数据有冲突，策略有错误的时候，它不钻牛角尖，而是自己做决定，选择更好的方案。

那从这一点看来，Kimi发布的首个Agent，确实成了。

为什么Kimi的第一个Agent，要做Researcher，这个看似好像没有必要再继续扩展的赛道？

官方的一句话，让我泪目：

并且，在不久的将来，Kimi-Researcher 的基础预训练模型以及其背后的强化学习模型，会被开源出来，让我们每个人都实现“研究自由”。

Kimi，尚能饭否？

答案是：能！并且肯定会继续变好。

让我们期待，Kimi重现辉煌的那一天。

感谢你的观看，如果你觉得这篇文章有帮到你，是我的荣幸~

欢迎点赞、推荐、转发给你那还在为了论文、为了报告而焦头烂额的朋友。

如果你也用Kimi-Researcher整了更好玩的活，欢迎在评论区分享~