《科创板日报》6 月 26 日讯 （记者 李明明）Agent 又卷起来了。
近日，月之暗面 Kimi 推出了第一个 Agent ——Kimi-Researcher（深度研究），并开始小范围灰度测试。
据介绍，模型即 Agent，Kimi-Researcher 是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，也是一个专为深度研究任务而生的 Agent 产品，强调模型即 Agent。
此外，月之暗面称也将逐步开源 Kimi-Researcher 基础预训练模型、以及强化学习后的模型。
《科创板日报》 记者在实测中发现，Kimi-Researcher 可生成详细丰富的研究报告，专业性和报告可视化可圈可点，是国内少有的基于自研模型打造的 Agent。生成时间一般在 15—20 分钟左右，后续也可以适当缩短时长。通过自主调用浏览器、代码等工具，在平均规划 70 多个关键词及对 200 多个网址的搜索后，可以自动生成分析报告，完成端到端的交付。
记者实测 「Kimi-Researcher」
《科创板日报》 记者使用 「 Kimi-Researcher」 实测了七个任务，它均能较好地完成，举其中三个例子来展示其推理过程。
任务一：近期获得融资的 AI 硬件创业公司天数智芯，分析其硬件产品的技术特点、性能优势和应用场景，研究其在与巨头竞争中的创新策略和市场突破路径，给出一个是否值得投资的结论。
大约 15—20 分钟左右，Kimi-Researcher 搜索数百个网站，生成了一份数万字的详细报告—《天数智芯深度研究报告：AI 芯片新势力的崛起与投资价值分析》，包括公司概览与核心优势产、品与技术实力分析、市场竞争与战略分析等方面，还用表总结了天数智芯主要产品系列及其特点、竞品概况等，另外，最后还附带一份可视化报告，该报告还可以通过复制文本、链接和生成图片保存。
任务二：人形机器人是风口还是泡沫？制约人形机器人商业化落地关键环节有哪些？何时能够商业化落地？
20 分钟左右，Kimi-Researcher 生成了报告 《人形机器人：风口还是泡沫？商业化落地的深度剖析与未来发展路径》，引言表示：人形机器人产业目前正处于技术加速迭代与资本高度关注的风口期，但其商业化落地仍面临智能化水平不足、运动控制能力有限、核心零部件成本高昂、应用场景不明朗以及产业链成熟度不高等多重制约环节。短期内，人形机器人将在工业、特定商业服务等 B 端场景持续渗透；中期 （3-10 年） 有望迎来技术突破与成本下降的关键期，应用领域将进一步拓展；长期 （10 年以上） 则可能实现大规模普及。
任务三：我需要一份 7 月 2-7 日从北京出发的日本行程，预算为 3 -8 万元，适合我和闺蜜。我们喜欢名胜古迹、美食美景等，并需要一个特别的历史地点推荐。请提供一份详细的旅行手册，其中包含地图、景点介绍、必要的外语短语和旅行小贴士，供我们在旅途中参考。
对于 Kimi 选择进军 Agent 领域，北京计算机学会 AI 专委会秘书长、北大人工智能博士张有鱼告诉 《科创板日报》 记者，这样的选择既是其技术势能的释放，也是商业战略主动跃迁的结果。
在技术层面，Kimi 将其长文本 （Long Context） 处理能力及端到端的强化学习技术 「Agent 化」，并让模型从一个 「被动」 的知识库变为一个能进行 「主动」 研究、自主交付成果的智能体。这不仅是技术价值最大化的必由之路，更是帮助 Kimi 在基础模型 「卷参数」 的红海中，开辟 「卷应用」 蓝海的重要一步。
当前，在激烈的商业竞争格局下，单纯提供 API 调用的模式护城河过浅。Kimi 推出 Kimi Researcher，可以直接切入的核心知识生产流程。其商业模式也从 「卖 API」 到 「卖解决方案」 的根本性转变，试图通过深度绑定用户工作流，构建更强的用户粘性与商业壁垒。
全球 Agent 竞赛已从 「能力展示」 转向 「场景交付」
2025 年是 AI Agent 技术的爆发之年，国内外多家科技企业纷纷推出差异化 Agent 产品，覆盖研究、办公、企业服务、消费电子等多场景。
国内企业 Agent 发布方面，月之暗面推出产品 Kimi-Researcher（深度研究），智谱推出 AutoGLM 沉思，定位是首个 「边想边干」 型智能体，字节跳动推出扣子空间 （Coze Space），定位全能型智能体开发平台，火山引擎、昆仑万维、荣耀等也推出智能体；国外企业 OpenAI、DeepMind、Anthropic 等也纷纷发布智能体。
《科创板日报》 记者注意到，2025 年全球 Agent 竞赛已从 「能力展示」 转向 「场景交付」，国产 Agent 凭借免费策略、垂直整合与端到端自动化，正快速抢占企业及 C 端市场高地。
国内外科技大厂纷纷发布 Agent 的背后，是大模型基础能力的提升。
智源研究院院长王仲远告诉 《科创板日报》 记者，当基础大模型发展至一定阶段并达到可用状态后，Agent 将成为产业界可重点发力的领域。随着 Agent 能力的不断增强，其将具备更广泛的扩展性。现阶段，基础大模型的思考能力与智能化程度已有所提升，使得部分 Agent 能够表现出较为出色的效果，而这正是产业界所擅长且具备优势的领域，亦是未来产业发展的趋势。
王仲远认为，基础模型需达到或接近 GPT-4 的能力水平，才能满足实际应用需求。对于创业公司而言，投入产出比 （ROI） 是关键考量因素。因此，在模型开发中需兼顾性能与效率，在保证能力的前提下，尽量缩小模型规模，提升推理速度。尽管当前仍存在技术瓶颈，但随着研究深入，这些问题有望逐步得到解决 。
谈及深度研究任务 Agent，市场上还存在哪些痛点和需求未被满足的方面，张有鱼表示，当前 AI 辅助深度研究市场，存在 「通用」 与 「个性」 的矛盾，大多数 AI 工具为追求普适性而牺牲了个性化。然而，深度研究恰恰是高度定制化的。不同领域、不同课题、不同研究者都有独特的分析框架与偏好。市场亟需能理解并适应研究者个性化需求的 AI 工具，提供更灵活、可定制的解决方案。
其次， 还存在 「自主」 与 「可控」 的悖论： 这也是研究类 Agent 面临的终极考验。用户既希望 AI 足够 「自主」，能从繁琐流程中解放自己，又要求 AI 在严肃的研究场景中绝对 「可控」 与 「可信」，过程透明、结果可溯源。不同 Agent 产品常在两者间博弈：要么过于自主而出现不可信的 「黑箱」，要么过于人工可控而显得笨拙低效。如何优雅地平衡这对矛盾，是决定产品成败的关键。
