新智元報(bào)道

編輯：艾倫

DeepSeek V3.2的Agentic能力大增，離不開這項(xiàng)關(guān)鍵機(jī)制：Interleaved Thinking（交錯(cuò)思維鏈）。Interleaved Thinking風(fēng)靡開源社區(qū)背后，離不開另一家中國公司的推動(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，甚至貼心地避開了游客太多的網(wǎng)紅店。

但隨著對話進(jìn)行到第十輪，你們?yōu)榱诉x酒店修改了五次方案，又為了某頓晚餐爭論了半天后，它突然「失智」了。

它開始忘記你一開始強(qiáng)調(diào)了無數(shù)遍的死命令：「帶著80歲的奶奶，絕對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：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)。

這看起來很符合直覺，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)過程往往被簡化成了「模型直接輸出工具調(diào)用指令」。

問題就出在這里。

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。

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期規(guī)劃。

這就是「隱式推理」的詛咒。

模型的思考過程隱藏在權(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...

在這個(gè)閉環(huán)中，「思考」不再是可有可無的點(diǎn)綴，而是必須被記錄下來的狀態(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）中的自然語言。

這段文字不只是給用戶看的，也是給未來的自己看的，讓自己知道來時(shí)路。

為什么它能帶來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，開啟交錯(cuò)思維鏈帶來了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)盤中指出：Agent的核心挑戰(zhàn)，在于對抗環(huán)境的擾動(dòng)。

低擾動(dòng)環(huán)境（SWE-Bench）：代碼環(huán)境相對純凈，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」。

模型通過顯式的思考，在接收到龐雜的網(wǎng)頁信息后，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)果里有很多無關(guān)信息，只有第三段是我需要的，接下來我應(yīng)該根據(jù)這個(gè)線索去查Y。」

這種「走一步、停下來想一步、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，模型就能通過顯式的邏輯推理來適應(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，根本沒有地方放「思考過程」。

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，但它的記憶被無意中切除了。這直接導(dǎo)致了模型性能的血崩。

面對這個(gè)問題，MiniMax順理成章，開始自己著手修路。

在過去的一段時(shí)間里，MiniMax的工程師們化身開源社區(qū)的「包工頭」，向全球主流的Agent開發(fā)工具和平臺(tái)發(fā)起了密集的PR（Pull Request，合并請求）攻勢。

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的對話歷史中，不僅保留代碼，還保留模型的思考過程。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，解決了多輪對話中狀態(tài)丟失的問題。

OpenRouter / Ollama：通過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模型庫迎來擴(kuò)容，MiniMax M2作為中國模型代表在列

英雄所見略同

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恢碌摹?/strong>

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，面對無數(shù)未知的擾動(dòng)和噪音，依然能夠停下來思考、自我修正、并堅(jiān)定地執(zhí)行長鏈路任務(wù)的「思想者」（Autopilot）。

而這，已成行業(yè)的共識(shí)。

參考資料：

秒追ASI

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！