DeepSeek V3.2爆火，Agentic性能暴漲40%解密_ai|蘋(píng)果|meta|人工智能

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

編輯：艾倫
【新智元導(dǎo)讀】DeepSeek V3.2的Agentic能力大增，離不開(kāi)這項(xiàng)關(guān)鍵機(jī)制：Interleaved Thinking（交錯(cuò)思維鏈）。 Interleaved Thinking風(fēng)靡開(kāi)源社區(qū)背后，離不開(kāi)另一家中國(guó)公司的推動(dòng) 。
大模型的「健忘癥」，早該治治了！
當(dāng)你試圖用當(dāng)今最先進(jìn)的大模型幫你完成一個(gè)復(fù)雜的長(zhǎng)假規(guī)劃，比如「帶全家老小去云南玩七天」時(shí) ，往往很可能會(huì)遭遇一個(gè)令人崩潰的時(shí)刻：
起初，這位「導(dǎo)游」表現(xiàn)得極其靠譜，分析得頭頭是道。
它記得你說(shuō)的每一句要求，幫你規(guī)劃了昆明到大理的路線，甚至貼心地避開(kāi)了游客太多的網(wǎng)紅店。
但隨著對(duì)話進(jìn)行到第十輪，你們?yōu)榱诉x酒店修改了五次方案，又為了某頓晚餐爭(zhēng)論了半天后，它突然「失智」了。
它開(kāi)始忘記你一開(kāi)始強(qiáng)調(diào)了無(wú)數(shù)遍的死命令：「帶著80歲的奶奶，絕對(duì)不能安排爬山和劇烈運(yùn)動(dòng)」。
在最新的行程表里，它竟然興致勃勃地建議：「第四天清晨：全家早起徒步攀登玉龍雪山，欣賞日照金山，全程耗時(shí)4小時(shí)……」

圖片由Nano Banana Pro生成
在AI工程界，這種現(xiàn)象有一個(gè)術(shù)語(yǔ)：狀態(tài)漂移（State Drift）。
這并非模型「變笨」了，而是我們讓它思考的方式錯(cuò)了。
為了治愈這種「健忘癥」， Anthropic Claude、OpenAI GPT-OSS、MiniMax M2、Kimi K2 Thinking等國(guó)內(nèi)外各大模型都不約而同地選擇了同一項(xiàng)技術(shù)：一邊思考，一邊用工具（Thinking in Tool-Use）。

DeepSeek: Thinking in Tool-Use
MiniMax等部分廠商也將其稱作Interleaved Thinking（交錯(cuò)思維鏈），從示意圖即可看出，二者本質(zhì)上是等價(jià)的。這是一個(gè)更貼近技術(shù)的稱呼。

Minimax: Interleaved Thinking（交錯(cuò)思維鏈）
如圖所示，交錯(cuò)思維鏈即模型在推理（thinking）和工具調(diào)用（action）之間來(lái)回交替，并持續(xù)保留和復(fù)用每一輪的推理狀態(tài) ，從而實(shí)現(xiàn)穩(wěn)定、可累積的長(zhǎng)程規(guī)劃。

崩潰的ReAct
與「隱式推理」的詛咒
要理解交錯(cuò)思維鏈為什么是「神技」，我們得先看看它的前任——早期的ReAct（Reasoning+Acting）范式是如何遇到瓶頸的。

ReAct流程示意圖
在很長(zhǎng)一段時(shí)間里，我們構(gòu)建AI Agent的邏輯非常線性：觀察->思考->行動(dòng) 。
這看起來(lái)很符合直覺(jué) ，但在實(shí)際的工程實(shí)現(xiàn)（如OpenAI的Function Calling（函數(shù)調(diào)用））中，這個(gè)過(guò)程往往被簡(jiǎn)化成了「模型直接輸出工具調(diào)用指令」。
問(wèn)題就出在這里。
模型在輸出Action（比如「讀取文件A」）的那一刻，它的「腦子」是清醒的。
但當(dāng)工具執(zhí)行完畢，返回了數(shù)千行的代碼或網(wǎng)頁(yè)內(nèi)容后，模型進(jìn)入下一輪生成時(shí) ，它面臨著巨大的環(huán)境擾動(dòng) 。
想象一下，你是一個(gè)程序員，每寫(xiě)一行代碼，就有人把你打暈，清除你的短期記憶，然后把剛才的運(yùn)行日志扔給你，讓你繼續(xù)寫(xiě) 。
由于缺乏顯式的、連續(xù)的思維記錄，模型很容易被復(fù)雜的工具返回結(jié)果帶偏。
它可能會(huì)被報(bào)錯(cuò)信息吸引注意力，從而忘記了原本的長(zhǎng)期規(guī)劃。
這就是「隱式推理」的詛咒。
模型的思考過(guò)程隱藏在權(quán)重里，一旦被打斷（Turn-based interaction），這些思維火花就煙消云散了。

交錯(cuò)思維鏈：給Agent裝上「海馬體」
MiniMax的研發(fā)團(tuán)隊(duì)在開(kāi)發(fā)M2模型時(shí) ，敏銳地捕捉到了這個(gè)痛點(diǎn) 。
Agent需要的不只是更長(zhǎng)的上下文窗口，更是一種顯式的、可累積的思考狀態(tài) 。
這就是交錯(cuò)思維鏈。
它的工作流變成了：思考->行動(dòng)->觀察->思考->行動(dòng)->觀察...
【DeepSeek V3.2爆火，Agentic性能暴漲40%解密】
在這個(gè)閉環(huán)中，「思考」不再是可有可無(wú)的點(diǎn)綴，而是必須被記錄下來(lái)的狀態(tài) 。
在每一次調(diào)用工具之前，模型必須先輸出一段被包裹在reasoning_details（或類似的tag）中的自然語(yǔ)言。
這段文字不只是給用戶看的，也是給未來(lái)的自己看的，讓自己知道來(lái)時(shí)路。

為什么它能帶來(lái)40%的性能暴漲？
MiniMax M2的發(fā)布數(shù)據(jù)中，有一組數(shù)據(jù)有力說(shuō)明了這一機(jī)制的效果。
在常規(guī)的SWE-Bench Verified（軟件工程）榜單上，開(kāi)啟交錯(cuò)思維鏈帶來(lái)了3.3%的提升（從67.2升至69.4）。這個(gè)提升雖然不錯(cuò) ，但還算溫和。

然而，在BrowseComp（網(wǎng)頁(yè)瀏覽任務(wù)）上，提升幅度達(dá)到了驚人的40%（從31.4飆升至44.0）；在Tau2這種復(fù)雜推理任務(wù)上，提升了36% 。
為什么會(huì)有這種巨大的差異？這觸及了Agent技術(shù)的深層原理。
MiniMax的后訓(xùn)練團(tuán)隊(duì)在技術(shù)復(fù)盤(pán)中指出：Agent的核心挑戰(zhàn) ，在于對(duì)抗環(huán)境的擾動(dòng) 。

低擾動(dòng)環(huán)境（SWE-Bench）：代碼環(huán)境相對(duì)純凈，報(bào)錯(cuò)信息通常是確定性的。模型即使稍微「走神」，也能根據(jù)明確的Traceback找回邏輯。

高擾動(dòng)環(huán)境（BrowseComp）：真實(shí)的互聯(lián)網(wǎng)充滿了噪音。廣告、無(wú)關(guān)的側(cè)邊欄、復(fù)雜的DOM結(jié)構(gòu)、甚至是錯(cuò)誤的搜索結(jié)果。在傳統(tǒng)的ReAct模式下，模型極易被這些噪音帶偏。

交錯(cuò)思維鏈實(shí)際上充當(dāng)了一個(gè)「濾波器」。
模型通過(guò)顯式的思考，在接收到龐雜的網(wǎng)頁(yè)信息后，先進(jìn)行一輪「信息清洗」和「邏輯校準(zhǔn)」：「我剛才搜索了X ，結(jié)果里有很多無(wú)關(guān)信息，只有第三段是我需要的，接下來(lái)我應(yīng)該根據(jù)這個(gè)線索去查Y 。」
這種「走一步、停下來(lái)想一步、再走下一步」的機(jī)制，極大地增強(qiáng)了模型的健壯性。
它將一個(gè)長(zhǎng)達(dá)數(shù)十步的脆弱鏈路，拆解成了一個(gè)個(gè)穩(wěn)固的「原子化」思考閉環(huán) 。

泛化的本質(zhì)：從「工具」到「軌跡」
Agent的泛化，究竟是在泛化什么？
早期業(yè)界普遍認(rèn)為，只要讓模型學(xué)會(huì)使用更多的工具（Scaling Tools）， Agent就泛化了。
但MiniMax團(tuán)隊(duì)發(fā)現(xiàn) ，這只是「輸入層」的泛化。
真正的泛化，是對(duì)任務(wù)軌跡中所有可能擾動(dòng)的適應(yīng)能力。
一個(gè)模型可能在Claude Code這種腳手架里表現(xiàn)完美，但換到Cline或者命令行里就一塌糊涂。
因?yàn)椴煌沫h(huán)境、不同的提示詞結(jié)構(gòu)、不同的工具返回格式，都會(huì)對(duì)模型的推理軌跡產(chǎn)生擾動(dòng) 。
交錯(cuò)思維鏈讓模型擁有了自我修正的能力。
通過(guò)在每一步都保留推理內(nèi)容，模型實(shí)際上是在不斷地與環(huán)境進(jìn)行「對(duì)齊」。
即使換了一個(gè)陌生的IDE環(huán)境，只要「思考-行動(dòng)」的閉環(huán)還在，模型就能通過(guò)顯式的邏輯推理來(lái)適應(yīng)新環(huán)境，而不是依賴死記硬背的提示詞模板。
這也是為什么MiniMax M2能夠在xBench、GAIA等多個(gè)異構(gòu)榜單上全面開(kāi)花的技術(shù)根源。

MiniMax的「基建狂魔」之路
技術(shù)原理講清楚了，但落地卻是另一回事。
在M2發(fā)布之初， MiniMax面臨著一個(gè)尷尬的局面：行業(yè)的基礎(chǔ)設(shè)施嚴(yán)重滯后。
雖然Anthropic最早提出了Extended Thinking的概念，但由于其閉源特性，社區(qū)并未形成統(tǒng)一標(biāo)準(zhǔn) 。
絕大多數(shù)開(kāi)源工具（如LangChain、LlamaIndex）和中間件，都是基于OpenAI的Chat Completion API構(gòu)建的。
而這個(gè)標(biāo)準(zhǔn)API里，根本沒(méi)有地方放「思考過(guò)程」。
這就導(dǎo)致了一個(gè)災(zāi)難性的后果：用戶在使用M2時(shí) ，習(xí)慣性地把API返回的reasoning_details字段當(dāng)成垃圾信息丟掉了。
模型明明在思考，但它的記憶被無(wú)意中切除了。這直接導(dǎo)致了模型性能的血崩。
面對(duì)這個(gè)問(wèn)題， MiniMax順理成章，開(kāi)始自己著手修路。
在過(guò)去的一段時(shí)間里， MiniMax的工程師們化身開(kāi)源社區(qū)的「包工頭」，向全球主流的Agent開(kāi)發(fā)工具和平臺(tái)發(fā)起了密集的PR（Pull Request ，合并請(qǐng)求）攻勢(shì) 。

Cline：這是VS Code上最火的AI編程插件之一。 MiniMax團(tuán)隊(duì)與其緊密合作，修改了底層的消息處理邏輯，確保在IDE的對(duì)話歷史中，不僅保留代碼，還保留模型的思考過(guò)程。這直接讓M2在Cline里的表現(xiàn)從「不可用」變成了「絲滑」。

Kilo Code：針對(duì)這個(gè)新興的云端IDE ， MiniMax提交了代碼，優(yōu)化了環(huán)境細(xì)節(jié)與工具結(jié)果的合并邏輯，解決了多輪對(duì)話中狀態(tài)丟失的問(wèn)題。

OpenRouter / Ollama：通過(guò)與這些模型托管平臺(tái)的合作， MiniMax推動(dòng)了API協(xié)議的升級(jí) ，讓reasoning_details字段從一個(gè)「私有協(xié)議」逐漸變成了事實(shí)上的標(biāo)準(zhǔn)擴(kuò)展。

正如火如荼地進(jìn)行中的AWS re:Invent 2025大會(huì)上， MiniMax也得到了亞馬遜的認(rèn)可。

AWS re:Invent 2025大會(huì)上， AWS CEO宣布Amazon Bedrock模型庫(kù)迎來(lái)擴(kuò)容， MiniMax M2作為中國(guó)模型代表在列

英雄所見(jiàn)略同
DeepSeek V3.2和Kimi K2 Thinking的入局
DeepSeek V3.2和Kimi K2 Thinking的發(fā)布，宣告了這條路正式成為了通往未來(lái)的主干道。

最近引發(fā)轟動(dòng)的DeepSeek V3.2 ，其核心特性之一「Thinking in Tool-Use」（使用工具中思考），在本質(zhì)上與MiniMax倡導(dǎo)的交錯(cuò)思維鏈?zhǔn)峭耆恢碌?。
DeepSeek的技術(shù)文檔中明確指出：模型在調(diào)用工具時(shí) ，會(huì)保持思維鏈的連續(xù)性，直到收到新的用戶消息才會(huì)重置。
這種設(shè)計(jì)邏輯與MiniMax M2強(qiáng)調(diào)的「多輪交互中保留思考狀態(tài)」如出一轍。
Kimi K2 Thinking也支持了交錯(cuò)思維鏈，進(jìn)而得以Agentic能力上突飛猛進(jìn) 。

雖然兩家在具體的API字段命名上可能略有不同（MiniMax使用reasoning_details ， DeepSeek使用reasoning_content ， Anthropic使用thinking_blocks等），但在系統(tǒng)設(shè)計(jì)哲學(xué)上，大家已經(jīng)達(dá)成了一致：顯式的、交錯(cuò)的、持久化的思考，是智能體進(jìn)化的必經(jīng)之路。
OpenAI的研究表明， AI的性能不僅遵循參數(shù)量的Scaling Law ，也遵循Test-Time Compute（測(cè)試時(shí)計(jì)算）的Scaling Law 。
它正在從那個(gè)只會(huì)根據(jù)提示詞模板機(jī)械執(zhí)行命令的「復(fù)讀機(jī)」（Copilot），進(jìn)化為能夠在復(fù)雜的真實(shí)世界中，面對(duì)無(wú)數(shù)未知的擾動(dòng)和噪音，依然能夠停下來(lái)思考、自我修正、并堅(jiān)定地執(zhí)行長(zhǎng)鏈路任務(wù)的「思想者」（Autopilot）。
而這，已成行業(yè)的共識(shí) 。