新智元报道

编辑：艾伦

【新智元导读】DeepSeek V3.2的Agentic能力大增，离不开这项关键机制：Interleaved Thinking（交错思维链）。Interleaved Thinking风靡开源社区背后，离不开另一家中国公司的推动。

大模型的「健忘症」，早该治治了！

当你试图用当今最先进的大模型帮你完成一个复杂的长假规划，比如「带全家老小去云南玩七天」时，往往很可能会遭遇一个令人崩溃的时刻：

起初，这位「导游」表现得极其靠谱，分析得头头是道。

它记得你说的每一句要求，帮你规划了昆明到大理的路线，甚至贴心地避开了游客太多的网红店。

但随着对话进行到第十轮，你们为了选酒店修改了五次方案，又为了某顿晚餐争论了半天后，它突然「失智」了。

它开始忘记你一开始强调了无数遍的死命令：「带着80岁的奶奶，绝对不能安排爬山和剧烈运动」。

在最新的行程表里，它竟然兴致勃勃地建议：「第四天清晨：全家早起徒步攀登玉龙雪山，欣赏日照金山，全程耗时4小时……」

图片由Nano Banana Pro生成

在AI工程界，这种现象有一个术语：状态漂移（State Drift）。

这并非模型「变笨」了，而是我们让它思考的方式错了。

为了治愈这种「健忘症」，Anthropic Claude、OpenAI GPT-OSS、MiniMax M2、Kimi K2 Thinking等国内外各大模型都不约而同地选择了同一项技术：一边思考，一边用工具（Thinking in Tool-Use）。

DeepSeek: Thinking in Tool-Use

MiniMax等部分厂商也将其称作Interleaved Thinking（交错思维链），从示意图即可看出，二者本质上是等价的。这是一个更贴近技术的称呼。

Minimax: Interleaved Thinking（交错思维链）

如图所示，交错思维链即模型在推理（thinking）和工具调用（action）之间来回交替，并持续保留和复用每一轮的推理状态，从而实现稳定、可累积的长程规划。

崩溃的ReAct

与「隐式推理」的诅咒

要理解交错思维链为什么是「神技」，我们得先看看它的前任——早期的ReAct（Reasoning+Acting）范式是如何遇到瓶颈的。

ReAct流程示意图

在很长一段时间里，我们构建AI Agent的逻辑非常线性：观察->思考->行动。

这看起来很符合直觉，但在实际的工程实现（如OpenAI的Function Calling（函数调用））中，这个过程往往被简化成了「模型直接输出工具调用指令」。

问题就出在这里。

模型在输出Action（比如「读取文件A」）的那一刻，它的「脑子」是清醒的。

但当工具执行完毕，返回了数千行的代码或网页内容后，模型进入下一轮生成时，它面临着巨大的环境扰动。

想象一下，你是一个程序员，每写一行代码，就有人把你打晕，清除你的短期记忆，然后把刚才的运行日志扔给你，让你继续写。

由于缺乏显式的、连续的思维记录，模型很容易被复杂的工具返回结果带偏。

它可能会被报错信息吸引注意力，从而忘记了原本的长期规划。

这就是「隐式推理」的诅咒。

模型的思考过程隐藏在权重里，一旦被打断（Turn-based interaction），这些思维火花就烟消云散了。

交错思维链：给Agent装上「海马体」

MiniMax的研发团队在开发M2模型时，敏锐地捕捉到了这个痛点。

Agent需要的不只是更长的上下文窗口，更是一种显式的、可累积的思考状态。

这就是交错思维链。

它的工作流变成了：思考->行动->观察->思考->行动->观察...

在这个闭环中，「思考」不再是可有可无的点缀，而是必须被记录下来的状态。

在每一次调用工具之前，模型必须先输出一段被包裹在reasoning_details（或类似的tag）中的自然语言。

这段文字不只是给用户看的，也是给未来的自己看的，让自己知道来时路。

为什么它能带来40%的性能暴涨？

MiniMax M2的发布数据中，有一组数据有力说明了这一机制的效果。

在常规的SWE-Bench Verified（软件工程）榜单上，开启交错思维链带来了3.3%的提升（从67.2升至69.4）。这个提升虽然不错，但还算温和。

然而，在BrowseComp（网页浏览任务）上，提升幅度达到了惊人的40%（从31.4飙升至44.0）；在Tau²这种复杂推理任务上，提升了36%。

为什么会有这种巨大的差异？这触及了Agent技术的深层原理。

MiniMax的后训练团队在技术复盘中指出：Agent的核心挑战，在于对抗环境的扰动。

• 低扰动环境（SWE-Bench）：代码环境相对纯净，报错信息通常是确定性的。模型即使稍微「走神」，也能根据明确的Traceback找回逻辑。

• 高扰动环境（BrowseComp）：真实的互联网充满了噪音。广告、无关的侧边栏、复杂的DOM结构、甚至是错误的搜索结果。在传统的ReAct模式下，模型极易被这些噪音带偏。

交错思维链实际上充当了一个「滤波器」。

模型通过显式的思考，在接收到庞杂的网页信息后，先进行一轮「信息清洗」和「逻辑校准」：「我刚才搜索了X，结果里有很多无关信息，只有第三段是我需要的，接下来我应该根据这个线索去查Y。」

这种「走一步、停下来想一步、再走下一步」的机制，极大地增强了模型的健壮性。

它将一个长达数十步的脆弱链路，拆解成了一个个稳固的「原子化」思考闭环。

泛化的本质：从「工具」到「轨迹」

Agent的泛化，究竟是在泛化什么？

早期业界普遍认为，只要让模型学会使用更多的工具（Scaling Tools），Agent就泛化了。

但MiniMax团队发现，这只是「输入层」的泛化。

真正的泛化，是对任务轨迹中所有可能扰动的适应能力。

一个模型可能在Claude Code这种脚手架里表现完美，但换到Cline或者命令行里就一塌糊涂。

因为不同的环境、不同的提示词结构、不同的工具返回格式，都会对模型的推理轨迹产生扰动。

交错思维链让模型拥有了自我修正的能力。

通过在每一步都保留推理内容，模型实际上是在不断地与环境进行「对齐」。

即使换了一个陌生的IDE环境，只要「思考-行动」的闭环还在，模型就能通过显式的逻辑推理来适应新环境，而不是依赖死记硬背的提示词模板。

这也是为什么MiniMax M2能够在xBench、GAIA等多个异构榜单上全面开花的技术根源。

MiniMax的「基建狂魔」之路

技术原理讲清楚了，但落地却是另一回事。

在M2发布之初，MiniMax面临着一个尴尬的局面：行业的基础设施严重滞后。

虽然Anthropic最早提出了Extended Thinking的概念，但由于其闭源特性，社区并未形成统一标准。

绝大多数开源工具（如LangChain、LlamaIndex）和中间件，都是基于OpenAI的Chat Completion API构建的。

而这个标准API里，根本没有地方放「思考过程」。

这就导致了一个灾难性的后果：用户在使用M2时，习惯性地把API返回的reasoning_details字段当成垃圾信息丢掉了。

模型明明在思考，但它的记忆被无意中切除了。这直接导致了模型性能的血崩。

面对这个问题，MiniMax顺理成章，开始自己着手修路。

在过去的一段时间里，MiniMax的工程师们化身开源社区的「包工头」，向全球主流的Agent开发工具和平台发起了密集的PR（Pull Request，合并请求）攻势。

• Cline：这是VS Code上最火的AI编程插件之一。MiniMax团队与其紧密合作，修改了底层的消息处理逻辑，确保在IDE的对话历史中，不仅保留代码，还保留模型的思考过程。这直接让M2在Cline里的表现从「不可用」变成了「丝滑」。

• Kilo Code：针对这个新兴的云端IDE，MiniMax提交了代码，优化了环境细节与工具结果的合并逻辑，解决了多轮对话中状态丢失的问题。

• OpenRouter / Ollama：通过与这些模型托管平台的合作，MiniMax推动了API协议的升级，让reasoning_details字段从一个「私有协议」逐渐变成了事实上的标准扩展。

正如火如荼地进行中的AWS re:Invent 2025大会上，MiniMax也得到了亚马逊的认可。

AWS re:Invent 2025大会上，AWS CEO宣布Amazon Bedrock模型库迎来扩容，MiniMax M2作为中国模型代表在列

英雄所见略同

DeepSeek V3.2和Kimi K2 Thinking的入局

DeepSeek V3.2和Kimi K2 Thinking的发布，宣告了这条路正式成为了通往未来的主干道。

最近引发轰动的DeepSeek V3.2，其核心特性之一「Thinking in Tool-Use」（使用工具中思考），在本质上与MiniMax倡导的交错思维链是完全一致的。

DeepSeek的技术文档中明确指出：模型在调用工具时，会保持思维链的连续性，直到收到新的用户消息才会重置。

这种设计逻辑与MiniMax M2强调的「多轮交互中保留思考状态」如出一辙。

Kimi K2 Thinking也支持了交错思维链，进而得以Agentic能力上突飞猛进。

虽然两家在具体的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），但在系统设计哲学上，大家已经达成了一致：显式的、交错的、持久化的思考，是智能体进化的必经之路。

OpenAI的研究表明，AI的性能不仅遵循参数量的Scaling Law，也遵循Test-Time Compute（测试时计算）的Scaling Law。

它正在从那个只会根据提示词模板机械执行命令的「复读机」（Copilot），进化为能够在复杂的真实世界中，面对无数未知的扰动和噪音，依然能够停下来思考、自我修正、并坚定地执行长链路任务的「思想者」（Autopilot）。

而这，已成行业的共识。

参考资料：

秒追ASI