近日，月之暗面旗下的Kimi智能助手宣布其首个Agent产品——Kimi-Researcher（深度研究）正式开启小范围灰度测试。这一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，旨在为用户提供高效、深入的深度研究服务。
Kimi-Researcher在面对问题时，展现出强大的自主规划与执行能力。它不仅能够主动澄清问题、深入思考，还能自主规划关键词进行搜索，并筛选出高质量的信息。在处理任务时，Kimi-Researcher平均会进行23步推理，规划74个关键词，并找到206个网址，最终只保留信息质量最高的前3.2%内容。这一过程确保了研究成果的详实与可溯源性。
除了强大的信息搜索与筛选能力外，Kimi-Researcher还能自主调用浏览器、代码等工具，处理原始数据并自动生成分析结论。其交付成果包括一份信息详实、可溯源的深度研究报告，以及一个可交互、可分享的动态可视化报告。这些报告不仅长度在万字以上，平均引用约26个高质量信源，还支持在线生成链接并分享，极大地方便了用户的展示与协作需求。
为了验证Kimi-Researcher的真实能力，月之暗面为其安排了一场高难度的“考试”——Humanity’s Last Exam（HLE）。这套专为AI设计的高难度benchmark覆盖了上百个专业领域，从数学、物理、医学到政治、历史，全面考察模型在复杂知识任务中的解决能力。Kimi-Researcher在完全零结构、无流程设计的设置下，取得了Pass@1准确率26.9%、Pass@4准确率40.17%的优异成绩，超越了多个知名AI模型，达到了目前已知的最高水平之一。
在真实场景的应用中，Kimi-Researcher同样展现出了出色的表现。无论是算法同学寻找高价值的benchmark、运营同学研究行业内的公司发展，还是法务朋友快速了解各国数据隐私法规，Kimi-Researcher都能在短时间内生成结构清晰、信息全面的报告，为用户提供有力的支持。
月之暗面表示，Kimi-Researcher是通过端到端强化学习训练出来的Agent模型，具有零结构、自适应的特点。它没有复杂的提示词或预设流程，而是完全依靠模型自身的试错与学习来应对复杂任务。这种设计使得Kimi-Researcher在面对信息冲突、工具切换和环境变化时，能够展现出强大的适应性与泛化能力。
目前，Kimi-Researcher正处于小范围灰度测试阶段。用户可以通过访问kimi.com申请内测资格，并在获得权限后打开Kimi对话框下方的“深度研究”按钮开始使用。
