Kimi又上新！抢先实测视觉思考模型k1，甚至比o1更聪明

国产大模型引领 AI 新方向

今天上午，月之暗面 Kimi 正式发布了其最新的视觉思考模型 k1，并已上线了最新版的网页版及安卓和 iOS 应用。用户只需在对话框中输入 @，选择“Kimi 视觉思考版”，即可开启一段全新的 AI 视觉推理之旅。这是继上个月 k0-math 发布后，Kimi 在推理模型上的又一重大突破。

k1：强大的视觉与推理能力

k1 是 Kimi 的首个视觉思考模型，基于强化学习技术打造。相比 k0-math，k1 的推理能力大幅提升，不仅限于数学题，还扩展到了更广泛的领域。据官方介绍，k1 原生支持端到端的图像理解和思维链技术，并将能力扩展到数学、物理、化学等基础科学领域。在这些领域的基准能力测试中，k1 的表现超过了全球标杆模型，如 OpenAI 的 o1、GPT-4o 以及 Claude 3.5 Sonnet。

此外，k1 的图像理解能力也显著增强，能够处理各种复杂的拍题场景，包括照片图像不清晰、多题一起拍、手写字迹干扰，甚至是纯手写的题目。这种端到端的视觉与推理能力结合，使得 k1 能够直接理解用户输入的图片信息并进行深度推理，避免了传统多阶段方法中的信息丢失问题。

实际应用中的表现

为了验证 k1 的实际表现，我们进行了多项测试，涵盖数学、物理、化学等多个领域。

Round 1: 数学题

我们选取了一道手写的高中数学题，尽管字迹较为潦草，k1 依然成功解决了这道题，并在解答过程中展现了反思能力。

Round 2: 物理题

接着，我们测试了一道高一物理题。k1 不仅给出了正确答案，还详细展示了其推理思维链，使我们能够全面了解其解题过程。

Round 3: 化学题

在化学领域，k1 表现同样出色。面对一张复杂的化学反应图示，k1 不仅准确识别了实验目的和各种器皿的作用，还能回答关于不同试剂替换后的反应变化，展示了其深入的化学知识。

Round 4: 不熟悉的水果

我们还测试了 k1 对不熟悉物品的识别能力。例如，一张刺角瓜的照片，k1 经过几次推理，最终正确识别出这是火参果，并解释了其不同名称的由来。

Round 5: 看不懂的梗图

k1 在理解梗图方面也表现出色。我们提供了一张讽刺苹果 iPhone16 发布的梗图，k1 准确捕捉到了其中的幽默元素，如对品牌和型号的过度关注以及代际差异。

Round 6: 古代文献分析

4.我们测试了 k1 对古代文献的理解能力。一张《天工开物》中的图片，k1 成功识别并解析了其内容，展示了其在历史和科学领域的广泛知识。

大模型的未来方向：强化学习 Scaling

当前，AI 领域正面临一个重要的分叉口。随着大模型的“Scaling Laws”逐渐达到极限，新的发展方向显得尤为重要。月之暗面认为，虽然规模的扩展在过去几年中推动了 AI 技术的发展，但未来的扩展应更加注重新的有效方向。

月之暗面选择的方向是基于强化学习的扩展。通过强化学习，模型可以在思考过程中生成更多数据，从而不断提升其思考能力。k1 视觉思考模型的训练分为两个阶段：首先通过预训练得到基础模型，然后在基础模型上进行强化学习后训练。这一突破性的方法是 k1 取得行业领先成绩的关键。

在数学等复杂任务中，基于强化学习的模型可以通过不断试错和验证，逐步积累经验，提升解决问题的能力。这种“思考模型”不仅在学术领域有广泛应用，未来还有望带来更强大的交互体验。

总的来说，k1 的发布标志着国产大模型在 AI 技术上的新突破，其强大的视觉与推理能力为未来的 AI 发展提供了新的思路和方向。