Kimi视觉思考模型 k1：可拍照解题，会给出解答过程

文章预览

多知 12月16日消息， 今天，Kimi 发布视觉思考模型 k1，可以拍照解题，并不仅仅给出答案，还会给出思索答案的全过程。 该模型将于近期正式上线，包括 Android版、iOS版以及网页版。 根据Kimi介绍， k1 模型基于强化学习技术，支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。 在数学、物理、化学等基础科学学科的基准能力测试中，初代 k1 模型的表现超过了全球标杆模型 OpenAI o1、GPT-4o以及 Claude 3.5 Sonnet。 Kimi介绍，k1 视觉思考模型，真正意义上实现了端到端的图像理解和思考能力。 模型可以直接处理用户输入的图像信息并进行思考得出答案，不需要借助外部的OCR或额外视觉模型进行信息处理。 从模型训练的角度看，k1 视觉思考模型的训练分为两个阶段，先通过预训练得到基础模型，再在基础模型上进行强化学习后 ………………………………