聲明:本文來自于微信公眾號(hào) 差評(píng)X.PIN，作者:差評(píng)君，授權(quán)站長之家轉(zhuǎn)載發(fā)布。
最近，差評(píng)君發(fā)現(xiàn)了個(gè)新鮮玩意兒。
喂給 AI 一張圖，它就能給你推測(cè)出一個(gè)人的性格。
光靠歌單，就能把人最近的心理狀態(tài)推測(cè)個(gè)七七八八。
而這些，都出自Kimi最新的k1視覺思考模型之手。
這不，距離上次推出數(shù)學(xué)模型 k0-math 打榜 o1才一個(gè)月， k1就火速登場(chǎng)了。
當(dāng)然，這個(gè) k1可不止是像開頭那樣，只會(huì)看圖分析性格那么簡單。
上次咱測(cè)試 k0-math 的時(shí)候，已經(jīng)見識(shí)過了“做題家”的能力，那解題的思考過程給差評(píng)君都看得一愣一愣的。只可惜，有些繞邏輯的數(shù)學(xué)題還有幾何題，多少差了點(diǎn)意思。
但這次的k1就有說法了，既有推理能力又有視覺能力，意思就是可以直接拍照上傳解題，還號(hào)稱能在數(shù)理化上打平甚至超越 Open AI 的 o1。
那要是這么比的話，咱可就來勁了。正好， k1新模型現(xiàn)在也不需要等內(nèi)測(cè)， App 和網(wǎng)頁版都能用上，話不多說，我們直接開整。
上來，就扔了 K1一道今年高考的幾何題。
首先， k1對(duì)題干的解讀足夠細(xì)致，也知道自己的目標(biāo)到底是啥。
題目給定的條件中可能涉及到的余弦定理也考慮到了，就跟咱們?cè)诮忸}時(shí)的思維類似，看到 a2+b2? c2=2ab ，立馬會(huì)聯(lián)想到余弦公式 c2=a2+b2-2ab·cosC 。
再根據(jù)公式和條件繼續(xù)推導(dǎo)，很快就能求出角 B=60°。
往上滑動(dòng)查看更多
第（2）題稍微難了那么一丟丟，但差評(píng)君仔細(xì)檢查了一遍 k1的解題過程，思路和解法都沒毛病，最后邊長 c=2√2的答案也是對(duì)的。(因?yàn)檫@題 k1的思考過程實(shí)在太太太長，截圖就不展示了。)
同樣的題目問 o1，首先在推理速度上， o1的58s 就已經(jīng)輸了。
正確率的話， o1和 k1打了個(gè)平手，都做對(duì)了。
不同的是， o1把答題思路隱藏起來了，沒給像 k1那樣的完整思考過程。
不過有一說一，差評(píng)君對(duì) k1模型這種模仿人類思考的方式，倒也不是特別吃驚。因?yàn)樯洗?k0-math 模型就已經(jīng)震驚過我一回了，能意識(shí)到自己的錯(cuò)誤、還會(huì)進(jìn)行反復(fù)驗(yàn)證的樣子，像極了寫數(shù)學(xué)題時(shí)絞盡腦汁的我。
相比之下，這次的 k1在補(bǔ)短板方面更出彩一些，上次 k0-math 翻車的初中幾何題我又拿 k1試了一次，現(xiàn)在已經(jīng)能做對(duì)了，就連上高考難度也不發(fā)怵。
而且我也發(fā)現(xiàn)， k1不僅擅長做數(shù)學(xué)題，物理題也不在話下。
往上滑動(dòng)查看更多
接著，我又拿出了一道邏輯稍微有點(diǎn)繞的邏輯陷阱題試了試:一個(gè)西瓜進(jìn)價(jià)50元，賣價(jià)70元，老板收了100元假幣，最后虧多少錢?
這題打眼一看簡單，但網(wǎng)友關(guān)于這道題的答案那叫一個(gè)五花八門，有說虧150的，有說180的，還有說100的。。。
咱們就看看連很多人類都想不明白的題， k1能不能瞧出來里面的陷阱。
而且，這道題我還特意手寫得比較潦草，順便也測(cè)一測(cè) k1的視覺能力到底是不是有宣傳的那么神。
你別說，你還真別說，這模型的“眼神”確實(shí)不賴。
題目的正確率方面， k1前半部分的分析先得出了一個(gè)虧100元的答案，但很快它就否定了自己。
繼續(xù)把假幣、找零還有成本利潤這些復(fù)雜因素綜合考慮進(jìn)去，最后終于想明白老板虧了80元。（正確答案是80元）
往上滑動(dòng)查看更多
這邏輯能力，確實(shí)有點(diǎn)強(qiáng)。
包括我拿幾道行測(cè)的類比推理題給 k1做了做，雖說邏輯分析的路徑跟參考答案的不太一樣，但最后的答案都是對(duì)的。
往上滑動(dòng)查看更多
反正這一通測(cè)試下來，差評(píng)君發(fā)現(xiàn)k1會(huì)思考有邏輯，眼神好使智商也高，Kimi這“做題家”的名號(hào)算是坐實(shí)了。
不過除了做題以外，我這次還摸索出了更多花里胡哨的玩法。
分析數(shù)據(jù)、看報(bào)表沒啥意思， k1模型不是會(huì)根據(jù)圖片來推理嗎，那想必鑒別古錢幣也應(yīng)該有一手吧?
差評(píng)君特地從網(wǎng)上找了一張民國時(shí)期銀元的圖片，兩枚銀元上假下真，發(fā)給k1，淺淺來一把“AI 版聽泉鑒寶”。
圖源小紅書用戶@古玩今來（公博代理收評(píng)）
k1不僅知道錢幣是民國時(shí)期的，還對(duì)錢幣的各種細(xì)節(jié) kuku 一頓輸出，最后竟然真的看出來了上面這枚是假幣。
咱再隨便發(fā)一張房間的圖片，讓 k1看看“風(fēng)水”。
什么“氣口”、對(duì)稱布局、能量平衡。。。說的頭頭是道，甚至還真給了建議，讓咱把床換個(gè)位置、定期修剪植物、換一個(gè)更簡潔的吊燈。
往上滑動(dòng)查看更多
吃飯的時(shí)候給 k1拍一張，這頓飯攝入了多少卡路里也算得明明白白。
往上滑動(dòng)查看更多
不過最讓我覺得驚艷的，還是k1看圖猜電影的能力。
我給了它一張《七宗罪》的電影截圖，沒有臺(tái)詞只有畫面，對(duì)于很多沒看過這部電影的人來說，想猜出來都很難。
一開始看 k1的分析我以為這把大概率要黃了，結(jié)果下一秒來一句“拍攝角度和色調(diào)讓我想起了大衛(wèi)·芬奇的電影”，還推斷出了截圖里的畫面是《七宗罪》里的某一個(gè)場(chǎng)景。
真的太強(qiáng)了。。。
就連一些晦澀的梗圖丟給 k1，它也能一本正經(jīng)地講解笑點(diǎn)到底在哪。
雖然有點(diǎn)過度解讀的嫌疑，但大體上的意思基本都 get 到了。
就這么說吧，基于 k1的視覺和推理能力，做題都是基操了，只要腦洞夠大，還可以解鎖出更多的玩法。
而k1的這種能力，很大程度要?dú)w功于一個(gè)叫做COT（Chain of Thought）思維鏈的技術(shù)。
大概意思就是，模型在輸出答案之前，模仿人類大腦的思考方式，把復(fù)雜的任務(wù)拆解之后，再一步步地解決。這個(gè)技術(shù)，可以讓模型的智商變高。
另外一邊，借助強(qiáng)化學(xué)習(xí)技術(shù)，也讓模型學(xué)會(huì)了在不斷試錯(cuò)的過程中進(jìn)化，以此來達(dá)到最優(yōu)的結(jié)果，就跟訓(xùn)狗似的。
至于為啥 Kimi 會(huì)率先選擇數(shù)學(xué)這個(gè)場(chǎng)景作為推理模型的切入口，我想，跟咱們?nèi)祟悓W(xué)好數(shù)學(xué)鍛煉思維，是一個(gè)道理。
在模型“學(xué)好數(shù)學(xué)”的基礎(chǔ)上，再將這種邏輯推理的能力應(yīng)用到物理、化學(xué)，乃至于咱們?nèi)粘Ｉ畹姆椒矫婷妫钡阶詈笳嬲斫膺@個(gè)世界。
而很顯然，Kimi 推理模型的泛化能力已經(jīng)開始顯現(xiàn)出來了。
在數(shù)據(jù)見頂?shù)那疤嵯?，這種基于強(qiáng)化學(xué)習(xí)技術(shù)的路徑，或許能夠讓模型實(shí)現(xiàn)更好的效果。
不過說到底，模型用了哪些技術(shù)、紙面分?jǐn)?shù)有多高，大伙兒其實(shí)更關(guān)心模型到底好不好用、實(shí)不實(shí)用。
而向來以長文本見長的 Kimi ，如今長文本、強(qiáng)化學(xué)習(xí)兩手抓，也是調(diào)整自己的工具屬性慢慢往用戶需求靠攏的表現(xiàn)。
畢竟，當(dāng)技術(shù)不再高高在上，能幫助人們解決實(shí)際問題的時(shí)候，才算真正完成了它的使命。
（舉報(bào)）