k0-math 刚刚发布不久，视觉思考模型 Kimi k1 便紧随其后上线，用户可直接使用。在多项思维推理测试中，它的表现已超越 OpenAI 的 o1 模型。

根据官方介绍，k1 基于强化学习技术，原生支持端到端图像理解与思维链推理。这意味着它能深入分析图片中的信息，逐层推理，将包括几何图形题在内的数学能力提升到新高度。模型思考答案时的过程大致如下——

更值得注意的是，k1 的能力并不局限于数学。在官方发布的数理化基准测试中，Kimi k1-preview 的表现全面领先 OpenAI o1、GPT-4o 和 Claude 3.5 Sonnet。这次发布即上线，在 APP 或网页版中找到“Kimi视觉思考版”即可直接上传图片进行测试。

话不多说，直接上实测。

数理化第一波实测

先拿一道考研数学真题试试水。这道题涉及曲面积分和高斯定理，此前在测试中难住了 GPT-4o。Kimi 视觉思考版一步步推导下来，第一次就给出了正确答案。在输出答案之前，它自己又反复检查了几遍才放心。

再来一道曾用来考 o1 的数学概率题：

_{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。}

Kimi 视觉思考版一次就做对了。

看完数学，再试试物理。这道大学物理光学题：

_{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 不仅早早给出了正确答案，还用了不同的方法反复验证才输出答案。严谨得有点可爱。

最后来道“化学题”：

_{Candy, Happy, Bacon, Scary, Brain, House
Which is the odd one?
Hint: Chemistry}

推理过程几经曲折，但答案正确（happy）。

新模型发布的同时，k1 背后的技术路线也公开了。

基于强化学习的新一代推理模型

据介绍，k1 是基于强化学习技术的思考模型，真正实现了端到端的图像理解与推理能力。训练分为两个阶段：先预训练得到基础模型，再通过强化学习进行后训练。最关键的是，k1 遵循强化学习的 Scaling Law，在数据质量和学习效率上做了进一步优化。

传统的文本推理模型要么不支持图像输入，要么需要依赖外部的 OCR 或视觉模型进行转换，效果难免有所损失。k1 作为原生的端到端视觉推理模型，将视觉与推理合二为一，能直接理解图片信息并展开深度推理。即使在“噪声”场景下——比如拍摄模糊、字迹潦草——性能损失也小得多。

这样一来，应用场景大大拓展。除了做数理化推理题，你甚至可以扔给它一堆图，让它帮你推理任何想了解的东西。例如，把朋友的歌单截图发给它，让它分析一下这位朋友的 MBTI。k1 的推理过程相当细致：先理解 MBTI 是什么，然后像侦探一样分析图片中的曲目并分类，再寻找歌手之间的相似点。它甚至会平衡矛盾特征，给出猜测后还会多加一步验证，最后才给出一个合理的结论。

再比如，拿出一份字迹潦草模糊的手写稿，让它推理是谁写的、笔记在讲什么。思路瞬间又被打开了。

话说回来，最近国内外大模型的新进展一波接一波，前有谷歌，现在又有 Kimi，OpenAI 的“圣诞节直播12天”可以说是被频频狙击了。你觉得 Kimi 新模型表现如何？不妨亲自上手试试看。

— 完 —