文章摘要
Kagi推出两款研究助手:快速助手和研究助手,强调以人为中心,AI应增强而非取代搜索体验。尽管大语言模型存在缺陷,但通过针对性优化和持续评估,Kagi助手能有效辅助研究,而非追求基准测试高分。
文章总结
Kagi推出两款研究助手:快速助手与研究助手
Kagi近日发布了两款AI研究助手工具——快速助手(Quick Assistant)和研究助手(Research Assistant,测试期间代号为Ki)。这两款产品基于Kagi的核心理念设计:以人为中心,用AI增强而非取代搜索体验。
产品定位
- 快速助手(全套餐可用):追求即时响应(<5秒),提供简洁答案
- 研究助手(仅终极套餐):深度分析(耗时>20秒),支持多语言同步搜索与跨平台数据整合
技术特性
- 采用动态模型选型策略,持续评估各领域最优模型
- 强调答案可验证性,所有结论均标注来源(如图示音频线材分析案例引用盲测研究)
- 集成Wolfram Alpha等专业工具,支持代码验证、图像生成等扩展功能
性能表现
在2025年8月的SimpleQA基准测试中,Kagi研究助手以95.5%准确率暂居榜首(后由DeepSeek v3超越)。但团队明确表示: 1. 拒绝为刷分优化,避免陷入数据集过拟合 2. 发现基准答案存在权威数据冲突(如过山车倾角记录相差20度) 3. 部分问题需违背伦理设计才能满分(如强制爬取网站历史存档)
交互方式
支持多种触发指令:
- ?问题 调用快速解答
- !quick问题 启动快速助手
- !research问题 启用研究助手
Kagi强调其搜索引擎的降噪能力成为模型优势:在相同AI模型下,Kagi后端比Google/Bing平均提升6%准确率。团队将持续优化真实场景的辅助能力,而非追求基准测试数字。
评论总结
以下是评论内容的总结:
1. Kagi作为搜索引擎的优势
高质量信息源:相比Google,Kagi能过滤噪音和低质量AI生成内容,提供更高信号的信息。
引用:
"Kagi as a search engine is a higher signal source of information than Google page rank"
"Kagi Search is a better backend for LLM-based search than Google/Bing because we filter out the noise"用户认可搜索体验:部分用户认为Kagi回归了早期搜索引擎的简洁高效。
引用:
"Kagi reminds me of the original search engines of yore, when I could type what I want and it would appear"
"Kagi is - above all else - a really really good search engine"
2. 对AI功能的争议
支持AI功能:有用户认为AI辅助搜索实用,但使用频率有限。
引用:
"This new ability to change the level of 'research' performed can be genuinely useful"
"I tried quick research and it was pretty cool"反对AI功能:部分用户认为AI是浪费资源,可能导致订阅费上涨。
引用:
"I really wish Kagi would focus on search and not waste time on slop"
"I'm so tired of AI being forced into everything"
3. 具体功能反馈
准确性:在测试中,Kagi相比其他AI(如Gemini)表现出更少的幻觉问题。
引用:
"Kagi reasonably enough answers: 'I cannot find the minutes...'"功能模糊性:用户对AI功能与现有模型的区别感到困惑。
引用:
"I'm a little confused about what the point of these are compared to the existing features"
4. 其他观点
内容过滤:用户赞赏Kagi通过"SlopStop"抵制低质量内容。
引用:
"Kagi is actively fighting against low quality AI generated content"成人内容需求:有用户希望增加匿名AI的成人内容搜索功能。
引用:
"I wish there was an anonymized ai...able to search for pornographic topics"
总结显示,用户普遍认可Kagi的搜索质量,但对AI功能的态度两极分化,同时存在对功能明确性和细分需求的讨论。