作為國內(nèi)最知名的 AI 智能助手之一，Kimi 早就成了包括小雷在內(nèi)很多人的「心頭好」。但在此之上，月之暗面今天（10 月 11 日）又推出了 Kimi 探索版，按照官方的介紹：

Kimi 探索版可以自主海量搜索解決復(fù)雜問題。

事實上，之前就有爆料指出 Kimi 團隊在國慶期間瘋狂趕進度，就是為了即將上線一個「很牛的功能」。根據(jù)透露，這個功能可以回答簡單搜索無法解決的問題，甚至可以自我反思。

現(xiàn)在來看，那個「很牛的功能」就是剛剛發(fā)布的 Kimi 探索版。不僅如此，現(xiàn)在我們還知道，Kimi 探索版可以「模擬人類的推理思考過程，多級分解復(fù)雜問題，執(zhí)行深度搜索，并即時反思改進結(jié)果，」在一定程度上具備了 AI 自主搜索能力。

圖/ Kimi

經(jīng)常關(guān)注大模型的朋友，可能很快就會想到 OpenAI 在上月發(fā)布的 o1 模型，都是模擬和學(xué)習(xí)人類的推理思考過程，并且拆解復(fù)雜問題、反思和改進結(jié)果。但實際上，Kimi 探索版的體驗又如何？

Kimi 探索版突破：會拆解任務(wù)了

正所謂「不看廣告看療效」，盡管官方表示 Kimi 探索版能夠提供更全面和準(zhǔn)確的答案，幫助用戶更高效地完成分析調(diào)研等復(fù)雜任務(wù)，但 Kimi 探索版到底好不好用，還是只有用了才知道。

按照官方提供的信息，Kimi 探索版已逐步分批上線 Web 端，內(nèi)測過程中用戶每天能用 5 次，移動端 APP 則將在后續(xù)上線該功能。不過有幸，小雷的 Kimi 已經(jīng)推送到了這個最新功能，可以在首頁輸入框下方直接開打。

圖/雷科技

打開「探索版」后，就會彈出提醒告訴我，「Kimi 會拆解復(fù)雜問題，做更深入的搜索。」比如 CS 本科學(xué)生可能非常關(guān)心的專碩申請情況，可以讓 Kimi 探索版「分析一下 2024 年 QS 排名前 10 的高校計算機專業(yè)碩士申請情況」。

先不論生成的回答，首先我們能看到一個非常明顯的變化，Kimi 探索版把任務(wù)大體拆解成了兩步：一是搜索 2024 年 QS 排名前 10 的高校；二是分別搜索了解各家高校計算機專業(yè)的碩士申請情況。

圖/雷科技

Kimi 探索版就像一個有條理的分析師一樣，基于大模型的能力識別用戶的真實提問意圖，并把復(fù)雜的問題分解為多個層次化的子問題和多個匹配的搜索關(guān)鍵詞，然后分步驟執(zhí)行。

不只是簡單的「給你結(jié)果」，而是幫你「分析問題、找出答案」。

如果是常規(guī)的 AI 智能助手或 AI 搜索，面對類似的復(fù)雜問題，通常也只是將問題提煉成一組關(guān)鍵詞進行搜索。如果能夠搜索到現(xiàn)成的文章和數(shù)據(jù)，或許可以給出有價值的回答；但如果沒有，AI 給出的答案可能表面上看著豐富，但實際信息密度很低，準(zhǔn)確性也很難保證。

所以很多時候，很多問題，我們還是只能回到傳統(tǒng)的搜索引擎，一步一步找。

與之相對的是，Kimi 探索版的多級分解與策略規(guī)劃功能，通過模擬人類的思考過程，一定程度正在改變這種局面。在給出的回答中，不僅準(zhǔn)確給出了 QS 前 10 的高校名單，還有比較明確的申請要求。

圖/雷科技

10 個網(wǎng)頁不夠用，那就搜索500 個

眾所周知，數(shù)據(jù)對于 AI 輸出結(jié)果有著很強的影響，這既體現(xiàn)在模型訓(xùn)練的過程中，但同時也體現(xiàn)在模型推理的過程中。

事實上，包括 Kimi 在內(nèi)，不管是支持聯(lián)網(wǎng)搜索的 AI 智能助手，還是獨立的 AI 搜索引擎，RAG（檢索增強生成）技術(shù)都是事實上的標(biāo)配。通過 RAG，大模型能夠利用強大的搜索算法查詢網(wǎng)頁等外部數(shù)據(jù)，同時通過整合數(shù)據(jù)增強了大模型的上下文，可以生成更精確、更翔實且更具吸引力的回答。

然而，RAG 能夠讓 AI 獲取更多數(shù)據(jù)來提升回答質(zhì)量，卻不能解決數(shù)據(jù)獲取數(shù)量和質(zhì)量的問題。

而 Kimi 探索版最讓人驚艷的一個升級，恰恰就是面對大規(guī)模數(shù)據(jù)的檢索能力。按照官方提供的數(shù)據(jù)，在標(biāo)準(zhǔn)版的基礎(chǔ)上，Kimi 探索版的「大腦容量」劇增，支持 10 倍的搜索量，「一次搜索即可精讀超過 500 個頁面。」

小雷體驗過程中也看到了這項升級帶來的巨大潛力。

在提出問題后，Kimi 探索版會把問題拆解為不同的子任務(wù)后，每執(zhí)行一個子任務(wù)，都會單獨搜索和閱讀相關(guān)資料。比如「專碩申請」拆解成 11 個任務(wù)單獨搜索，同時閱讀了 48 個網(wǎng)頁。

但當(dāng)我請 Kimi 探索版「總結(jié)全球主要科研機構(gòu)對量子計算的最新進展，包括英文、中文、法語和德語的權(quán)威論文和研究，并分析其中的趨勢」，Kimi 探索版最終拆分成了 25 個任務(wù)進行執(zhí)行，并閱讀了 310 個網(wǎng)頁。

圖/雷科技

相比之下，其他 AI 智能助手或者 AI 搜索，往往依賴單一關(guān)鍵字的簡單查詢，一次搜索僅處理幾個頁面的信息，給出的結(jié)果不夠全面，很多時候需要用戶自己再去做篩選和判斷，更不用說要面對巨大工作量的任務(wù)。

又比如官方測試過的實例，讓 Kimi 探索版在 2024 年《財富》中國科技 50 強公司找出總部位于北京的公司，也遍覽了 276 個網(wǎng)頁。

圖/ Kimi

這些問題的解答，都需要建立在龐大數(shù)據(jù)檢索量的前提上。不同的是，過去我們依賴已有答案或者手動一個個搜索，但現(xiàn)在 Kimi 探索版就可以實現(xiàn)自主地海量搜索。

至于 Kimi 探索版的自我反思，可能是更多面向開放式的問題，實際有限的測試中很少出現(xiàn)，還沒有太深的體會。不過也看出，Kimi 探索版可能會在回答問題，重新閱讀回答進行補充。

Kimi 探索版只是探索，但方向是真對了

小到查找優(yōu)質(zhì)高校專業(yè)的申請信息，大到了解全球量子計算的科研前沿，當(dāng)小雷從 Kimi 探索版得到回答的那一刻，多少還是有些難以置信。并不是這些問題因為對人類來說太難，而是在可靠回答之上，超越想象的速度，或者說效率。

很多人都知道，作為全球最大的搜索引擎公司，谷歌的使命是「整合全球信息，供大眾使用，讓人人受益」。但傳統(tǒng)搜索引擎可以整合，卻無法化繁為簡，讓我在海量的信息快速、便捷地找到想要的信息。

與此同時，Kimi 探索版通過理解問題、分拆任務(wù)執(zhí)行，大幅提高檢索能力以及自我反思，在一定程度上解決了生成式 AI 的部分難題。具體到回答結(jié)果上，Kimi 探索版也確實帶來了不小的驚喜。

圖/雷科技

當(dāng)然也存在一些問題，比如大模型的「幻覺」，回答中字節(jié)跳動的研發(fā)支出實際是引用 2022 年的數(shù)據(jù)。

又比如在理解用戶意圖上，AI 還是很長的路要走。當(dāng)我詢問 Kimi 探索版 2024 年 QS 排名前 100 中國高校計算機專業(yè)的專碩申請情況，但實際卻給出了 QS 排名 100 開外甚至不在排名內(nèi)的高校情況。

此外，目前內(nèi)測的 Kimi 探索版，在推理能力可能還是要弱于 o1-preview，至少面對一個模糊提問的時候，Kimi 探索版并沒有給出有用的信息，o1-preview 卻能根據(jù)信息推理出是 Ben Thompson 提出的「聚合理論」（Aggregation Theory）。

圖/雷科技

當(dāng)然，我們可能還是需要更長時間、更多提問才能發(fā)現(xiàn) Kimi 探索版的真正能力。但不論如何，我都相信 OpenAI o1 和 Kimi 探索版找到了一條通往 AGI（通用人工智能）的正確方向。