Kimi版O1实装上线，一手测试体验分享

全新视觉思考模型k1震撼发布

就在数学模型k0-math刚刚发布后不久，Kimi团队又推出了全新的视觉思考模型k1。这款模型在多项思考和推理测试中表现出色，甚至超越了OpenAI的o1。

强化学习助力图像理解和思维链技术

官方表示，k1基于强化学习技术，原生支持端到端的图像理解和思维链技术。这意味着k1不仅能够深入解析图片信息，还能进行多层次的推理，从而解锁更全面的数学能力，包括几何图形题等。

数理化基准测试表现卓越

在官方提供的数理化基准测试中，Kimi k1-preview的表现全面超越了OpenAI o1、GPT-4o、Claude 3.5 Sonnect等现有模型。以下是几个具体的测试案例：

考研数学真题

一道涉及曲面积分和高斯定理的考研数学题曾难倒了GPT-4o，但Kimi视觉思考版却能一步步详细推理，并首次给出了正确答案。模型还表示对这个答案非常有信心。

概率论问题

另一道关于外星人分裂的概率论题目，Kimi视觉思考版同样一次性做对。题目如下：

- 一个外星人来到地球后，第1天有相等的可能选择以下四件事中的一件完成：自我毁灭；分裂成两个外星人；分裂成三个外星人；什么都不做。

- 此后每天，每个外星人均会做1次选择，且彼此之间相互独立，求地球上最终没有外星人的概率。

物理题

接下来是一道大学物理中的光学题：

- 在双缝干涉实验中，波长λ=550nm的单色平行光垂直入射到缝间距a=2×10⁻⁴m的双缝上，屏到双缝的距离D=2m。求中央明纹两侧的两条第10级明纹中心的间距。

Kimi视觉思考版不仅成功回答了这个问题，还在多次验证后给出了最终答案，展现了其严谨的推理过程。

化学题（趣味）

最后是一道有趣的“化学题”：

- Candy, Happy, Bacon, Scary, Brain, House

- Which is the odd one?

- Hint: Chemistry

尽管推理过程几经曲折，Kimi视觉思考版最终还是给出了正确答案（Happy）。

基于强化学习的新一代推理模型

k1是基于强化学习技术的新一代模型，称为思考模型，真正实现了端到端的图像理解和思考能力。模型训练分为两个阶段：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。

k1遵循强化学习Scaling Law，在数据质量和学习效率方面做了进一步优化。与传统基于文本的推理模型相比，k1能够直接理解图片信息并进行深度推理，即使在拍摄图片模糊或手写字迹潦草的情况下，性能损失也相对较小。

应用场景广泛

除了数理化推理题，k1的应用场景也非常广泛。例如，你可以将朋友的歌单截图发给它，让k1分析这位朋友的MBTI类型。k1会先理解MBTI的概念，然后仔细分析图片中的曲目并进行分类，寻找歌手和风格之间的相似之处，最终给出一个合理的猜测。

另一个例子是，你可以将一份字迹潦草模糊的手写稿发给k1，让它帮助你识别作者和笔记内容。k1的推理过程有理有据，能够平衡矛盾特征并进行验证，确保最终答案的准确性。

未来展望

近期，国内外的大模型新进展不断涌现，Kimi的k1模型无疑为这一领域带来了新的突破。感兴趣的读者不妨亲自上手体验，看看k1是否能满足你的需求。