k1 视觉思考模型 – kimi推出的 k1 系列强化学习模型

k1 什么是视觉思维模式？

k1 视觉思维模型是kimiK1系列强化学习人工智能模型，原生支持端到端图像理解和思维链技术，将能力扩展到数学以外的更基础科学领域。K1模型在图像理解、数学、物理、化学等学科的基准测试中表现出色，超过了世界上许多基准模型(如OpenAI) o1、GPT-4o以及 Claude 3.5 Sonnet）。k1 视觉思维模型可以直接处理图像信息，无需外部OCR或视觉模型，提供完整的推理思维链，让用户看到模型思维答案的整个过程。k1 基于预训练和强化学习后训练，视觉思维模型优化了字符识别能力 OCRBench 上得到 903 目前分数最好（state-of-the-art）结果，在 MathVista-testmini、MMMU-val 和 DocVQA 基准测试集的分数分别为 69.1、66.7 和 96.9，处于全球领先水平。

同时，Kimi 基础科学学科的标准化图形测试集Science模型研发团队推出 Vista，涵盖不同难度的数学、物理、化学图片主题在分布上更符合实际用户需求。测试集将向整个行业开放。

k1 视觉思维模型的主要功能

端到端图像理解： k1 视觉思维模型可以在不依赖外部OCR技术或额外视觉模型的情况下，直接处理用户输入的图像信息，进行深入思考和分析。
展示推理思维链：k1 视觉思维模型显示思维过程，即推理思维链（ChAIn of Thought, CoT），逻辑推理过程可以让用户看到答案，也可以看到模型得到答案。
基础科学能力泛化
- 数学能力：新的 k1 借助端到端的图像理解能力，视觉思维模型解锁了包括几何图形题在内的更全面的数学能力。
- 跨学科能力：将模型的能力扩展到物理、化学等基础科学领域，能够理解和解决这些领域的复杂问题。
真实场景的适应性：k1视觉思维模型在真实场景中包含噪声，如照片灰暗、图像模糊、手写字迹干扰等，k1 与OpenAIIn相比，Open模型和 Anthropic 视觉语言模型具有更明显的领先优势。
解决一般问题的能力：K1视觉思维模型表现出更多的通用能力，如解释科学家手稿，使应用场景更加广泛。

如何使用k1 视觉思维模型

下载或更新应用程序：确保最新版本安装在手机或电脑上。Kimi智能助手APP，或者访问网页版Kimi。
访问Kimi视觉思考版：k1 视觉思维模型已陆续上线最新版「智能助手Kimi」的 Android 和 iPhone 手机APP和网页( kimi.com）。最新版本的手机APP或网页版本 Kimi 页面找到「Kimi 视觉思考版」。
上传或拍照：使用APP或网页版本中的照片功能，直接拍摄要分析的图像，或从设备中上传现有图像。
等待分析：提交图像后，k1 视觉思维模型将开始处理图像信息，进行深入思考和分析。
查看结果和推理过程：Kimi视觉思维版将展示推理思维链的模型（Chain of Thought, CoT），用户可以看到模型得到答案的整个过程。
交互和反馈：与Kimi交互，提供反馈或提出新问题，如需进一步解释或其他问题。