Kimi作为国产AI技术派的一股清流，长文本功能一直很不错。去年娜姐也写过几篇文章介绍：
Kimi在联网搜索和信息整合方面表现不错，检索出来的信息源质量和新鲜度都还是很高的，它的网页总结插件我也一直在用。
不过，自从去年第一波火出圈之后，Kimi一直没什么大的动静。期间，OpenAI和Gemini 陆续发布了deep research（深度研究）产品，并迭代了好几次。娜姐也进行了深度测评：
OpenAI deep research全面开放：如何更好的用它进行文献综述？
Deep research深度研究：ChatGPT/ Gemini/ Perplexity/ Grok哪家最强？（实测对比分析）
谷歌 Gemini 2.0 Flash 升级版深度研究：能否超越 OpenAI deep research？（实测对比）
SciSpace Deep Review深度综述到底比OpenAI/Gemini强在哪？（实测体验）
最近，Kimi也要发布深度研究产品Kimi-Researcher了。娜姐拿到了内测资格，第一时间进行了多个场景的对比测试，看看在科研学术场景中Kimi深度研究究竟表现如何。
案例1：数据汇总报告
对于某个主题的综合数据的调研，需要综合最新的数据源，还要排除不可信的数据源。保证数据是最新且准确的。人工查证需要综合多个网页的信息源进行筛选、判断和信息综合。
深度研究这类Agentic工具，可以自主浏览多个网页，期间调用多个工具，进行信息检索、筛选、判断和综合，很适合这类任务。
前几天，有学员跟我抱怨：娜姐，Perplexity给的报告中的数据，一查引用源，都对不上。确实，AI有幻觉，但是如果准确度太低，错误频出，对于用户来说，体验感就会差很多。
我们来看看Kimi-Researcher对这类任务的完成度怎么样？
和其他的深度研究产品一样，Kimi-Researcher会针对用户的问题，第一轮对齐颗粒度：把你的问题进一步细化，让生成的报告更合用户心意：
等你回复之后，Kimi就会针对每一项子主题逐一检索，右侧会显示检索源：
经过10分钟左右的等待，Kimi生成了一份7500字的报告，
娜姐同时针对该主题，对比了OpenAI和Gemini的deep research。
字数对比：OpenAI deep research 3000字；Gemini 7000字。再来对比一下报告的质量和可信度：
全文较长，截取一个小的主题对比：
Kimi的报告：
数据验证显示，三个平台在核心指标上基本一致，Kimi在数据维度和细节展示方面相对更全面，并且关键信息加粗高亮了出来。
最后，Kimi-Researcher还生成了一份可视化报告供你快速浏览：
Gemini虽然字数和Kimi差不多，也有一些数据，但是很多内容偏离了主题，开始研究政策演变和国家行动计划：
综合三者在数据调查报告方面的表现：
Kimi报告全面，数据可信度高，很能打。就是时间稍长。OpenAI是扣题的，就是报告比较精简（应该是OpenAI比较鸡贼，在成本方面进行了克扣）。Gemini的深度研究，倾向于生成大而全的报告，反而稀释了我想要的数据信息。
（刚开始，我看着Kimi的检索足迹是一些中文的口水信息网站，我还在担心，完了，这出来的报告能用吗？还好，Kimi用于信息判断和筛选的agent还是靠谱的，它前期的搜索可能就是这种广撒网的策略。所以，也导致这个报告生成的时间Kimi最长，几乎是OpenAI和Gemini的两倍时间。
还好，最后数据报告的深度、完整性和准确度，Kimi都是值得这2倍的时间等待的。期间，你可以让它自主运行你去做别的事。 ）
案例2：主题综述
文献综述是科研人员的高频需求场景。无论是写论文、项目书，做PPT汇报，前期都需要做一个主题综述，了解这个领域的概况，更新汇总前人的研究成果。
OpenAI和Gemini的主题综述用法，娜姐之前测试过不少。我们来看看Kimi：
给一个主题，让Kimi-Researcher形成一篇主题综述研究：
Kimi会针对你的大纲，把子主题拆分，进一步和你对齐目标。之后就开始逐项检索：
检索了117个网页之后，形成了一份1w+字的报告：
在机制的论述方面，有一定的深度（还可以再深入一点）。大纲各个部分的完成度也很不错，综述很有参考性。
关于参考文献引用，点击引文链接，在右侧可以看到高亮的英文原文，方便用户核实信息源：
虽然大部分是英文来源，且按照要求是近几年的；但是也有一部分是引用的英文论文的中文新闻稿。这一点不够好。不论是中文还是英文引用源，希望更多的引用原文，而不是翻译和二次加工创作的来源。
OpenAI deep research：
5分钟，生成一篇1.1w字综述。
不得不说，涉及机制、原理类主题的综述报告，OpenAI的写作深度是最好的。梳理的细节和完整性都比其他AI更好。可能是o3模型对于英文文献检索的更全面。总之，如果你的主题涉及机制和原理的细节阐述，可以选择OpenAI deep research。
Gemini深度研究：
也是1w+字，速度最快。但是，是我最不满意的。
首先，这个文字风格很奇怪，已经不是学术综述的中立、正式的文风：
根据我给的主题和框架，应该能看出来是一篇学术类主题综述。这写出来的已经类似DeepSeek的风格了。然后，内容方面，也偏离了我给的内容框架，各种金属离子与AD的正负向作用原理一点没写，直接跳过了。
不知道最近的Gemini deep research基座模型动了哪里，刚刚换到Gemini 2.5 pro的时候还是非常好用的。
总结一下：
主题综述的写作效果：OpenAI > Kimi > Gemini deep research
Kimi-Researcher能够严格遵从主题框架，针对每一部分展开信息检索、分析和汇总，质量很能打。写作深度上比OpenAI稍弱。此外，如果信息源上能够去除二次创作的新闻稿，就更好了。
案例3 找领域大牛
找某一个特定领域近几年比较活跃的研究人员，可以用来帮自己找导师候选人，或者投稿的时候找preferred reviewer。
Kimi关注的这两个点非常合适：
1 是否有更细化具体的研究方向？2 倾向于理论研究还是机制研究？
确定之后它就开始干活了。最后筛选出了国内外多位大牛：
大牛们的研究方向，代表性成果，近期发文情况，都给你总结的清清楚楚。真的太方便了，省了自己无数个网页查找、筛选和汇总信息。最后生成的可视化报告，可以直接做PPT宣讲了：
通过三个典型场景的对比测试：
Kimi Researcher在中文信息处理和报告详实度方面表现突出，特别适合需要深度挖掘中文资料的研究场景。虽然耗时较长，但能够提供更全面的信息覆盖。
OpenAI Deep Research在生成效率和英文文献处理方面具有明显优势，适合时间紧迫或以英文资料为主的需求。
Gemini Deep Research表现下滑，在主题聚焦度上仍有提升空间。
对于追求报告深度和中文资料丰富度的用户，Kimi Researcher非常适合。
如果非要提建议，娜姐有两点改进意见：
1 等待时间过长。
我做了一个对比，每一项主题研究花费的时间：
Gemini < OpenAI < Kimi
可能正是因为检索的信息源很多，所以报告质量才更好。
当然，对于Kimi官方来说，干活时间长，消耗的token就更多。对于用户来说，如果报告质量足够高，多等一会也还能接受。
2 引用源只能在线点击查看，不能下载。
Kimi-Researcher有一个“下载”和“复制”按钮，但是都自动剔除了引用源。这对于科研人员太不友好了，希望能加上。
