6月23日消息，月之暗面（Moonshot AI）宣布推出其首个自主Agent产品——Kimi-Researcher，该模型基于端到端自主强化学习（end-to-end agentic RL）技术训练，在多项基准测试中表现优异，甚至超越了OpenAI和Google Gemini的同类模型。

核心亮点

1. 强大的自主研究能力Kimi-Researcher 能够自主规划任务流程，平均执行23步推理，规划74个关键词，搜索206个网址，并筛选出质量最高的3.2%信息，确保研究报告的高信源质量。支持调用浏览器、代码等工具，自动处理数据并生成分析结论，最终交付万字深度报告和动态可视化报告。
2. 超越OpenAI和Gemini的基准表现在专为AI设计的超高难度测试“人类最后一场考试”（Humanity’s Last Exam, HLE）中，Kimi-Researcher 的 Pass@1准确率达26.9%，Pass@4达40.17%，超过Claude 4 Opus（10.7%）、Gemini 2.5 Pro（21.6%），并与OpenAI Deep Research（26.6%）持平。在xbench-DeepSearch任务中，其平均通过率高达69%，优于配备搜索工具的O3等模型。
3. 端到端强化学习训练，自适应能力强不同于传统基于提示词或预设流程的Agent，Kimi-Researcher完全依赖自主强化学习，通过试错优化策略，适应动态环境和长程任务。研究团队采用REINFORCE算法，结合格式奖励和正确性奖励机制，确保模型在复杂任务中的稳定性。

应用场景

Kimi-Researcher 已成功应用于：

• 学术研究（如算法Benchmark分析）
• 商业分析（行业趋势、企业财报）
• 法律政策（全球数据隐私法规检索）
• 医疗研究（临床证据审查）。

目前，Kimi-Researcher 已开放内测申请（kimi.com），并计划在未来几个月开源其基础模型及强化学习框架。

此次发布标志着月之暗面在AI Agent领域的重要突破，其自主强化学习架构或将成为下一代AI研究的新标杆。