「【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：