Kimi 发布视觉思考模型 k1：试题拍照给出答题思考全过程

月之暗面kimi团队近期发布了全新视觉思考模型k1，这款基于强化学习的模型原生支持端到端图像理解和思维链技术，其能力已扩展至数学及其他基础科学领域。

官方基准测试结果显示，k1在数学、物理、化学等基础科学学科的测试中，表现超越了OpenAI的o1、GPT-4o以及Claude 3.5 Sonnet。

k1模型已集成至最新版Kimi智能助手Android和iOS应用以及网页版kimi.com。用户可在“Kimi视觉思考版”中上传图片或拍照进行体验，并完整查看模型的推理思维链，了解答案推导过程。

k1的训练分为预训练和强化学习后训练两个阶段。其基础模型在字符识别方面进行了重点优化，在OCRBench上取得了903分的领先成绩，并在MathVista-testmini、MMMU-val和DocVQA基准测试中分别获得69.1、66.7和96.9分。强化学习后训练阶段则在数据质量和学习效率方面进行了改进，并实现了强化学习规模化的突破。

为解决大模型行业缺乏基础科学学科图形测试集的难题，Kimi团队自主构建了标准化测试集Science Vista，并计划向全行业开放共享。

尽管k1取得了显著进展，但月之暗面也指出了其局限性，例如在分布外泛化能力、复杂问题解决成功率、抗噪声能力以及多轮问答效果等方面仍有提升空间，与OpenAI的o1系列模型相比仍存在差距。

以上就是Kimi 发布视觉思考模型 k1：试题拍照给出答题思考全过程的详细内容，更多请关注本站其它相关文章！