Kimi 更新了深度研究能力，收到测试资格之后深度使用了一天。

发现在内容丰富度、准确性和逻辑严谨性上都非常能打。#ai创造营#

下面是详细的介绍👇

与其他近期类似产品不同，月之暗面这个深度研究是他们自己训练的基于端到端自主强化学习技术训练的Agent 模型。

而且他们会开源基础的预训练模型和后面经过强化学习的模型，这个太值得期待了。

在HLE (Humanity’s Last Exam) 和红杉的 Agent 测试上 kimi 深度研究模型都取得了不错的成绩。

案例一：商业与IP分析——解构泡泡玛特与Labubu的爆火之路

任务设定： 模拟投资人或市场分析师，要求Kimi深度研究“泡泡玛特（Pop Mart）”这家公司，并重点分析其IP“Labubu”从诞生到成为顶流的全过程。

测评亮点分析： 在分析Labubu爆火原因时，Kimi展现了极强的逻辑推理和自主探索能力。它的搜索路径颇具章法，从宽泛的整体搜索开始，逐步聚焦到粉丝经济、海外传播、早期发展历程乃至近期的价格波动等具体方面，整个过程如同一位真正的好奇研究员。最终生成的近一万九千字报告，其目录结构逻辑清晰，从IP设计理念、产品迭代，到运营策略、粉丝经济和二手市场，层层递进，将各类信息恰当地组织在预设的分析框架下，而非简单堆砌。这充分证明Kimi能够自主形成深度分析的逻辑链条，深刻洞察一个商业现象背后的多元驱动因素。

案例二：科技产品分析——透视小米发布会的核心信息

任务设定： 模拟产品经理或行业分析师，对小米2025年6月26日的发布会提出一个极其复杂的研究需求，涵盖信息整理、竞品对比、销量预测及供应链分析等。

测评亮点分析： 面对一个包含多重任务的复杂指令，Kimi深度研究功能并未在长下文中出现能力衰减。它生成了近一万七千字的详尽报告，有效完成了信息检索、可信度标记、竞品参数对比、多维度销量预测等高级任务。在报告中，Kimi不仅展现了出色的信息准确性和时效性，例如捕捉到小米YU 7座舱系统采用骁龙8 Gen3芯片这一新近消息，其用户体验设计也值得称道，点击引用来源即可高亮原文数据，极大地方便了事实核查。在销量预测和供应链分析部分，它给出了严谨的假设前提与判断依据，超越了简单的数据罗列，为专业人士提供了极具价值的决策参考。

注入美学，让专业报告“活”起来