大家好，我是歸藏（guizang），今天給大家帶來 Kimi 的深度研究能力體驗和介紹。

上周五 Kimi 更新了他們的深度研究能力，收到測試資格之后昨天深度使用了一天。

發現 Kimi 深度研究在內容豐富度、準確性和邏輯嚴謹性上都非常能打。

與其他近期類似產品不同，月之暗面這個深度研究是他們自己訓練的基于端到端自主強化學習技術訓練的Agent 模型。

而且他們會開源基礎的預訓練模型和后面經過強化學習的模型，這個太值得期待了。

在HLE (Humanity’s Last Exam) 和紅杉的 Agent 測試上 kimi 深度研究模型都取得了不錯的成績。

我最近一直在思考這類產出深度研究報告的產品或者模型，他的核心考核指標是什么？

感覺大家關注的主要是其信源的質量、信息的覆蓋度以及邏輯的嚴謹性，剛好 Kimi 深度研究在兩個方面的優化上保證了這幾個指標。

• 首先 Kimi 深度研究對于信息有自主甄別能力，他會自己規劃幾十個搜索關鍵詞和閱讀上百個網頁，然后找出可信度靠前的內容進行引用。
• 然后在信息覆蓋度上，基本上每篇生成的研究報告都會超過一萬字，我有個測試有 2.2 萬字，當然 LLM 不可能完全避免幻覺，他們也通過文中內嵌、高亮跳轉、原文溯源這幾個方式讓用戶自己進行判斷。

測試1：Labubu 爆火原因分析

最近 Labubu 真的太火了，當然這幾天熱度有點下降。

我不太了解泡泡瑪特這個企業和 Labubu 這個 IP，對于這個為什么會爆火完全沒概念。

幫我分析泡泡瑪特個旗下IP labubu的發展歷程和最近的爆火原因

他會先進行簡單的搜索詢問需要分析的細節是什么，我這里選了都需要。

開始搜索后看他的搜索邏輯也很有意思。

先會整體大致搜索所有的內容，然后得出一個籠統的結論之后會開始分別搜索每個部分的內容。

先搜了粉絲經濟，然后是爆火的原因，之后他發現進一輪爆火的原因可能跟在海外的傳播有關系，然后就開始搜索海外的推廣路徑。

然后他從一篇內容發現 labubu 早期沒有那么受歡迎，所以對早期的發展開始感興趣，從而搜索 IP 的發展歷程。

最后還發現最近的 Labubu 開始暴跌了，所以非常自然的開始檢索暴跌的原因。

之后經過漫長的內容整理，他給出了完整的報告，我看了一下字數居然有接近 1.9 萬字。

而且從目錄看就能看到整個報告邏輯鏈條非常完整，涵蓋了 IP 設計、產品演變、運營推廣策略、粉絲經濟等多個方面。

先描述了 Labubu 這個 IP 的設計理念，然后是產品的迭代和演變，說完 IP 設計之后才說基于 IP 的運營策略，這個時候有了前面的背景信息之后閱讀者才能更好的理解為什么這樣運營這個 IP。

在說完營銷推廣之后，作為有一定金融屬性的產品，自然而然的就會延伸到粉絲經濟和二手市場上。

這里的分析和內容檢索非常強，從泡泡瑪特自己的運營和啟動，到最后粉絲自發的生產 UGC 內容都有提及，特別是最重要的娃衣。

然后在所有的信息都說完之后他終于開始總結爆火的原因，包含了上面說的所有的內容，IP、設計師、市場營銷和二手市場炒作共同促成了 Labubu 的爆火。

經過上面的內容結果可以看到 kimi 深度研究不只是信息的堆砌，而是通過邏輯鏈條把信息都放在了該放的地方，說明他能自主形成分析框架。

測試2：小米26號發布會內容檢索及分析

上面這個案例主要看的是 kimi 深度研究在邏輯分析和行文結構上的能力。

接下來我們看一下他的搜索準確性和他的數據處理能力。

由于我是個 mi boy 并且小米馬上會在 26 號開可能是他們今年最重要的一次發布會，基本上很多信息都看到過了，于是就用這個主題進行檢索，這樣可以減小我自己核實信息的壓力。

整理并搜索小米 2025 年 6 月 26 日發布會內容，為不同產品打標簽，并為每條傳聞打出 可信度百分比，把即將發布的產品預估規格與競品對比，輸出雷達圖或熱力表，結合往年同期銷量、宏觀消費指數、渠道備貨傳聞，給出保守 / 基準 / 激進三種銷量區間，并解釋關鍵假設，列出最可能受益的 10 家 A-股或港股供應鏈公司（附業務關聯理由、過去 30 日股價表現），并按高-中-低敏感度分級。

我這個問題已經相當離譜了，Kimi 深度研究除了要找到對應信息以外還要找到競品信息，還要找到往年同類產品的信息，還得基于這些數據和信息進行合理的預測，最后還得檢索相關的供應鏈上市公司。

報告總字數依然達到了近 1.7 萬字。

同時通過目錄我們可以看到基本上我們提到的要求他都已經輸出了對應內容。

沒有行業上類似產品常見的在復雜問題和長上下文上偷懶的問題。

他先是羅列了一下即將發布的主要產品信息，還按可信度做了區分。

有個很好的設計點是，點擊引用來源的時候，被引用的數據會直接高亮顯示，方便用戶核對，這個非常貼心。

然后在競品對比這里非常詳細，基本上手機和電腦主要的購買考慮點都提到了。

這里座艙系統小米 YU 7 使用驍龍 8 Gen3 這個數據很關鍵，因為很少有目前沒有汽車在車機上使用手機芯片，而且這個信息是這幾天才發布的，可以看到 Kimi 在內容檢索上的準確性和時效性非常高。

而且對對比結果都進行了分析，優劣勢說的非常清晰。

接下來銷量預測這里除了給出每一個預測級別的原因外，還給出了對應的銷量的關鍵假設因素，幫助閱讀者進行判斷。

在最后受益上市公司這里搜索的信息也非常詳細，除了跟小米對應的關系以外，還給出了當前股價幫助投資者進行判斷，也提供了他對于高中低敏感度的公司進行分類的指標。

復雜數據檢索的全面性、準確性和數據分析上 Kimi 這個深度研究真的很厲害。

注入美學，讓專業報告“活”起來

再強大的功能，如果不能被輕松理解和使用，價值也將大打折扣。Kimi的交付物在“好用”和“好看”上做到了統一。

除了生成文檔之外，kimi 也會同步生成一份研究報告的可視化網頁。

Kimi 的這個可視化網頁不是其他同類產品那種信息和報告完全不成比例的玩具，他們的內容非常詳細，基本上大綱里面有的網頁都有。

而且左側還有對應的大綱方便切換到具體的內容。

而且整個網頁排版清晰，符合當代用戶的審美習慣。思維導圖、結構化列表等形式，讓復雜信息一目了然。

圖表這里每個都可以自由拖動和放大縮小，解決了通過圖表組件生成的圖表內容不適合預覽的問題。

他們也不是一套模板吃到底，每個網頁AI 都會根據自己檢索到的信息生成符合對應品牌的主題色和設計風格，比如小米這里的橙色。

在素材的嵌入上，也不會隨便找圖，基本上都跟當前描述的內容相關，甚至我在調研 Plaud ai 這個硬件產品的時候他在頭圖位置放了一個硬件的展示視頻！

在內容展現形式上，Kimi 這個模型也表現出了很強的智能。

比如小米這個網頁競品對比這里的高亮色和右邊卡片里面通過黃色和綠色背景色和圖表兩個層面來表現優劣勢，非常直觀，極大提升了信息獲取效率。

你可以在這里瀏覽我生成的三個網頁：

https://www.kimi.com/preview/d1co3df37oq0og7kv0bg?blockId=108

https://www.kimi.com/preview/d1coajrlmiues17ub29g?blockId=34

https://www.kimi.com/preview/d1coefmmu6salp01rdn0?blockId=72

測試和介紹到這里就結束了。雖然都是深度研究，Kimi 這個基于強化學習的模型還是展現出了跟使用常見模型通過提示詞和工具使用上非常不同的結果傾向，讓我們看到了復雜檢索任務不依賴大 Prompt 工程的的強大之處。

期待 Kimi 即將開源的預訓練與 RL 權重，應該能造福非常多有類似功能的產品。

如果你覺的教程對你有幫助的話可以幫我點個贊或者喜歡，也可以推薦給你需要的朋友們！