就在本周，DeepSeek V3.2 正式上线。当天我写了一篇分析，提到了这次技术上可能被忽视的突破：

一个是 DSA 稀疏注意力，另一个是思考模式的工具调用的突破。

显然评论区的小伙伴对第二个讨论更激烈。

模型先进行初步推理（Thinking 1.1），然后发起第一次工具调用（Tool call 1.1），拿到返回结果（Tool result 1.1）之后，继续往下思考（Thinking 1.2），并再次调用工具（Tool call 1.2）……

等等，我总觉得这个路径好像在哪见过。。

我翻了一下资料，原来两周前在 AIE 大会上，MiniMax 也重点讲了这个。

他们的叫法是——Interleaved Thinking（交错思维链）。

甚至这俩的图都好像。。。这可就有意思了。

两大国产之光，同时盯上了同一项新技术——Interleaved Thinking。

Interleaved thinking 是什么？

简单说，它让模型学会“边想边干”。

过去，大多数模型的工作方式很“直男”：接到任务，想一遍，立刻去做。做完就交差，中间不再思考。

你可能觉得够用了，但其实这种方式有很多隐藏的毛病。比如工具查回来的结果模型理解错了，但它已经开始输出了。或者它原本想好了三步计划，查完工具结果后一拍脑袋直接跳到第四步，前后不连贯。

更常见的，是它根本没能基于新信息重新组织思路，只是机械地堆出一段回应。

这，就是旧式 AI 推理的通病——逻辑中断。

而 Interleaved Thinking 的出现，就是为了解决这个问题。

它允许模型在每次工具调用之后立刻再进行一次思考，评估新信息是否推翻了旧计划，是否需要重新规划下一步。也就是说 Interleaved Thinking 让模型像人一样，一边干活一边思考、实时修正。

你可以看这张图：

具体来说，M2 会在每一次工具调用前后都进行明确的推理步骤，而这些推理的内容不会丢失，而是被结构化保存在一个字段里，并自动带入下一轮。

这样的设计直接改变了以前常见的问题：模型查完工具结果后，不再能“续上”之前的思路，导致逻辑断裂、计划跳步、甚至重复犯错。

而在 M2 里，推理过程被完整保留下来，模型可以随时回看、更新和修正自己的判断，使得长流程任务的执行更加稳定、连贯。

这种设计，彻底打破了“每次调用都是一次重启”的传统范式，把推理链条首次变成了系统级结构。

从 MiniMax 的实测结果看，这种“是否保留思维链”的差异，可不只是略有影响，而是直接决定了模型能不能用、稳不稳定：

在长流程逻辑任务 Tau² 中，开启 Interleaved Thinking 后，成功率从 64% 飙升至 87%，提升 35.9%在依赖网页信息处理与工具结合的 BrowseComp 任务中，提升 40.1%在多轮计划和状态传递要求较高的 GAIA、xBench 上，稳定提升分别为 11.5% 和 9.1%哪怕在相对静态的代码修复任务 SWE‑Bench Verified 上，也有 3.3% 的增长

这些任务覆盖了当前主流 Agent 应用的几乎所有核心方向：信息查找、多轮执行、工具控制、错误修复、推理链验证。一个共通点是：只要任务链长、工具多、状态复杂，Interleaved Thinking 就是硬门槛。

图示中你可以直观看到这个结构差异：

普通模型（左图）只在第一轮思考，后续工具调用中推理内容断档，状态丢失；未正确实现回传机制的模型（中图）哪怕模型能生成推理块，也无法从接口层传入下一轮，依然断链；而 M2 所构建的（右图），是从 API 到模型都支持完整链路的结构：思考-行动-回传-再思考，每一段状态都保留并持续演进。

这一步，看似只是多了一条回传路径，实则改变了模型的工作逻辑。

它让模型第一次具备了真正的连续意识。

MiniMax 怎么让它成为行业共识？

当 MiniMax 发布 M2 时，社区对 Interleaved Thinking 的支持几乎为零。

OpenAI 的 Chat API 不支持 reasoning 回传，Anthropic 的格式虽然有，但生态没人用。

MiniMax 团队为此干了三件关键的事：

开源 Mini-Agent，作为开发者实践标准参考实现（700 Star）；这是第一个完全实现 Interleaved Thinking 的开源 Agent 框架。它用最小代码展示了完整的“思考-行动-反思”循环，让开发者一目了然。推动生态联动与 Kilo Code、Cline、RooCode、OpenRouter、Ollama 等平台联合，提交多项 PR，让这些第三方平台原生支持 Interleaved Thinking Native Tool Call，并通过跨平台实测确保一致性。建立标准语义与测试机制在 API 层面定义了 reasoning_details、thinking_block 等字段格式。并以内部 Benchmark 验证不同实现的正确性，为行业提供了“可复现的标准”。

这一套动作下来，Interleaved Thinking 从一个理念变成了工程标准。

这套机制的意义，不止在技术层面。

就在本周的 AWS re:Invent 2025 大会上，MiniMax M2 被正式纳入 Amazon Bedrock 模型库，与 Google Gemma、NVIDIA Nemotron 等模型一同登场，成为登陆 AWS Bedrock 的中国模型之一（CEO直接开麦点名，排面拉满）。

在 MiniMax 的评论区，我看到这样一条留言：

那一刻，我突然有点出神。

这个概念，最早是西方团队提出来的，但真正把它跑通、落地、做成体系的，却是中国的团队。

有点魔幻，也有点象征意味。

算力让 AI 更快，思维链让 AI 更稳。

而这一刻，国产 AI 已经率先想明白了。