原创 特工少女 2024-12-18 10:53 浙江
视野打开，慧根自来。
内容编辑丨特工少女
模型测试丨特工小鹏 特工西风
“咦，你家 Kimi 最近'配眼镜'了？”
“对啊，用功太狠了，天天都在学习各类知识。”
自从国庆假期之后，Kimi 这孩子的能力就在不断进化。
从探索版的 AI 新搜索，到数学版的 k0-math，再到最近的视觉思考版的 k1......直接从原先班上成绩优秀的明星同学，摇身一变成学霸同学了（让我想到了家长的双标时刻，我近视就是玩手机玩的，别人家孩子就是学习学的??）
据最新的成绩单，Kimi 的 k1 模型在硬核的数理化成绩上，超过了班上的其他学霸 OpenAI o1、GPT-4o 和 Claude 3.5 Sonnet（我了个豆，悄悄内卷，惊艳所有人？）
这孩子平时吃了啥了？偷偷报补习班了？任督二脉被打开了？
其实都不是，是 Kimi 同学找到了事半功倍的学习方法——在强化学习技术的助推下，AI 大模型的智力水平正在持续攀升，在超多领域已经达到或超过人类专家的水平。
因此 Kimi 同学基于强化学习技术，通过激励模型生成更详细的推理步骤，形成高质量的思维链 CoT，并将强大的思考能力与图像理解能力相融合。（让我想起了高中同学借助 Anki 记忆卡片从二本水平逆袭 985 的那事）
在 AI 发展史上，“看到”和“看懂”之间始终存在着一道鸿沟。机器可以“看到”图像中的每一个像素，却难以真正理解其中的含义。但如今，Kimi 同学的视觉思考模型 k1，正在被逐步跨越这道鸿沟。
成绩单如此亮眼，“用功到近视”的 Kimi 同学到底实力如何？是不是真的能“洞若观火”?❓
就让我们来考一考他！
学习场景
中学时最头疼的就是物理了，尤其是电路题......于是拿了一道初中电路题考考 Kimi，过程和答案都对了（为什么不选高中题？因为我忘光了判断不了他过程做的对不对?）
这种电路啊几何啊啥的，经常用搜题软件也搜不到答案，搜到了答案经常也看不懂过程。现在的学生党有福了，不会的问题可以交给 Kimi。
传统的搜题是静态交互，容易让学生面向标准答案学习，但学生真正要学习的不是那个答案和解析，而是解决问题的思维逻辑。Kimi 的思维链过程，就完美的展现了思考逻辑，并给人以更动态的交互体验，哪里不懂问哪里?
LaTeX 输入的数学题目你能手拿把掐，那抽象版的呢？再整个趣味数学题，没想到还是没难到 Kimi 同学。
还有一类语文题也是挺让人抓狂，就是那种附个抽象的图标来让你艺术赏析?
结果发现 Kimi 同学的视觉理解能力和审美能力都是相当在线的。
再比如介个。
此外，论文里复杂的图表，Kimi 同学理解起来也是砍瓜切菜。
不禁感慨，我那时候要是有这 AI 伙伴陪我学习，我高低现在也是个主编（主编别多想，写稿需要?）
生活场景
先来一个经典的算卡路里环节，直接上地狱难度。测试发现，即使是一盘食物丰富的自助早餐，也基本都识别正确。
群里看到的奇奇怪怪的水果图谱，这又像芒果又像榴莲的东西是什么呢？没想到还是没难到 Kimi，又去搜索求证了下，还真是金铃子。
再来看看旅行篇。
随手拿一张网友出去旅游的照片发给他（别问为什么不发自己旅行的照片，因为工作太忙了没时间旅行?），没想到 Kimi 竟然把地点和经纬度都说对了！
视野打开，慧根自来。
传统的推理模型主要依赖于文本数据进行训练。在处理图像数据时，通常需要借助 OCR 技术或其他视觉模型将图像转换为文本，这一转换过程不可避免地会导致信息的丢失。
相比之下，k1 作为一个原生的端到端视觉推理模型，能够将视觉识别和推理能力无缝融合，直接对图像信息进行解析和深入推理，从而避免了信息的损失。
非常期待抓到学习的“主要矛盾”的 Kimi 同学接下来的成长，能够成为无所不在的六边形学霸！
下一次遇到看不懂的东西时，不妨拿起手机拍张照发给 Kimi，毕竟在视觉思考这方面，Kimi 已经能比同班的 o1 更厉害了?
