近日，國(guó)產(chǎn)大模型月之暗面推出了其最新的視覺(jué)思考模型k1，這一創(chuàng)新成果基于強(qiáng)化學(xué)習(xí)技術(shù)，實(shí)現(xiàn)了端到端的圖像理解和思維鏈技術(shù)的原生支持，并將應(yīng)用范圍拓展至數(shù)學(xué)以外的多個(gè)基礎(chǔ)科學(xué)領(lǐng)域。
k1模型已全面上線于月之暗面智能助手的Android、iPhone應(yīng)用以及官方網(wǎng)站kimi.com。用戶只需在最新版本的手機(jī)應(yīng)用或網(wǎng)頁(yè)端Kimi+頁(yè)面中找到“Kimi視覺(jué)思考版”，即可通過(guò)拍照或上傳圖片的方式，體驗(yàn)這一前沿技術(shù)。
據(jù)透露，在針對(duì)數(shù)學(xué)、物理、化學(xué)等基礎(chǔ)科學(xué)學(xué)科的基礎(chǔ)能力測(cè)試中，k1模型的表現(xiàn)超越了全球知名的OpenAI o1、GPT-4o以及Claude 3.5 Sonnet等模型，展現(xiàn)了其強(qiáng)大的實(shí)力。
月之暗面官方表示，k1模型真正實(shí)現(xiàn)了端到端的圖像理解和思考能力，用戶輸入的圖像信息可以直接被模型處理并思考得出答案，無(wú)需依賴外部的OCR技術(shù)或額外的視覺(jué)模型進(jìn)行信息預(yù)處理。這一特性使得k1模型在圖像理解和處理方面更加高效和準(zhǔn)確。
從模型訓(xùn)練的角度來(lái)看，k1的訓(xùn)練過(guò)程經(jīng)歷了兩個(gè)階段：首先通過(guò)預(yù)訓(xùn)練獲得基礎(chǔ)模型，然后在基礎(chǔ)模型的基礎(chǔ)上進(jìn)行強(qiáng)化學(xué)習(xí)后訓(xùn)練。在預(yù)訓(xùn)練階段，k1模型重點(diǎn)優(yōu)化了字符識(shí)別能力，在OCRBench上取得了903分的當(dāng)前最優(yōu)成績(jī)，并在多個(gè)基準(zhǔn)測(cè)試集上表現(xiàn)出色。
在強(qiáng)化學(xué)習(xí)后訓(xùn)練階段，k1模型在數(shù)據(jù)質(zhì)量和學(xué)習(xí)效率方面進(jìn)行了進(jìn)一步優(yōu)化，并在強(qiáng)化學(xué)習(xí)的規(guī)模化上取得了新的突破。這是k1視覺(jué)推理模型在基準(zhǔn)測(cè)試中取得行業(yè)領(lǐng)先成績(jī)的最關(guān)鍵因素。然而，月之暗面也坦誠(chéng)地表示，在內(nèi)部測(cè)試中，他們發(fā)現(xiàn)k1視覺(jué)思考模型在某些方面仍存在局限性，如分布外泛化能力、復(fù)雜問(wèn)題處理成功率、噪聲場(chǎng)景準(zhǔn)確率以及多輪問(wèn)答效果等，都有待進(jìn)一步提升。
盡管k1模型在某些場(chǎng)景和泛化能力上與OpenAI的o1系列模型相比仍有差距，但其作為國(guó)產(chǎn)大模型的一次重要突破，無(wú)疑為圖像理解和思考技術(shù)的發(fā)展注入了新的活力。
