摘要：钓鱼佬的胜负欲真的很重。他们不但要比拼数量，鱼的大小，就连鱼的珍惜程度都是中年人暗自较劲的点。在钓鱼佬的世界里，一句“呦吼，算你厉害”可以说是最高级别的赞美。

没想到，AI维护了我爸该死的胜负欲。

老爸退休之后，就悄咪咪变成了一个钓鱼佬，每天天还没亮就带着他那些家伙什出门了。

钓鱼佬的胜负欲真的很重。他们不但要比拼数量，鱼的大小，就连鱼的珍惜程度都是中年人暗自较劲的点。在钓鱼佬的世界里，一句“呦吼，算你厉害”可以说是最高级别的赞美。

俗话说得好“屁股决定鱼获”，好钓位到底哪里找，老爸苦思冥想之下，不得已找我寻求办法。

这还不露一手！我试着把他常去钓鱼的地方喂给了最近发现的宝藏AI，看看它有什么好意见。

很离谱，它真的懂钓鱼。

它不但知道水流缓慢、水域深的地方鱼多，还知道要远离船只活动的地方，甚至还贴心地为考虑了交通。真的，我替我爸谢谢你。

国产大模型的进步速度真的很惊人，各种大语言模型频频刷新，咱就说上个月kimi发布的k0-math还只是做做数学题，现在k1（Kimi视觉思考版，是个小蓝眼镜呦~）就能帮我开眼看世界了？

要理解K1的进步，“视觉”和“思考”是两个关键。

“视觉”意味着k1具备了理解图像的能力。像k0-math无法解决的几何问题，k1都不在话下。从测试结果来看，k1在初级几何图形的能力已经打平了OpenAI o1，在入门几何和高级几何方面甚至超过了OpenAI，处在全球一线水平。

“思考”也很好理解，就是k1可以像人一样有逻辑地思考问题，而不是像过去一些AI一样，一本正经地胡说八道。观察k1的解题过程，就可以发现，它在不断地缩小范围、反复验证、尝试不同的解题思路，直至锁定正确答案。整个过程体现出的逻辑思考能力，已经非常接近人类。

视觉能力结合思考能力，使得k1不光可以解决数学几何问题，还涌现出了跨学科的能力。还是用数据说话，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。

做个题先

是不是真·理化生全才，给k1出道题看看。我们手写了洛必达法则的推导过程（嘿嘿嘿，字体还故意潦草了点~）。另外，为了进一步增加难度，我们特意省略了一些限定条件，并增加了阴影、倾斜等干扰因素，手动给这个图打了个“码”。

结果k1的回答是令人惊喜的。

一开始，k1只是确定了它与极限和导数有关，但是图像中的某些部分它无法正确识别。

k1跳过了令人困惑的部分，从推导结论正确识别出了这是洛必达法则，而我们正在推导洛必达法则。

但是到这还没完，在知道这是在推导洛必达法则之后，k1又回过头去重新验证了推导过程。最终，它才放心确定——“这段文字实际上是在没有明确引用洛必达法则的情况下，推导出了洛必达法则的结论。”

“开眼”看世界

K1看世界，真的让我开了眼。验证了k1强大的图像识别能力后，我们好奇k1还能整什么花活。理论上，凡是肉眼能看到的，它都能识别，是吧！

辨认医生字体

有多少人曾手捧着药单，一家药店一家药店的问：”这玩意到底写的是个啥？“

虽说有的时候医生的字潦草，但是起码也能看出来是个字，但是处方笺上的字真的像雷劈一样，更像是小区楼下杂乱的“灌木丛”。

下图是一张医生手写的病例。尽管现在电子化病例已经普及，但是就字迹辨认而言，医生字体可以说是“大魔王”级别了。

图片来源：搜狐

让我们一起来挑战一下！

有一些字迹即使连k1也无法辨认，但它没有不懂装懂，老实承认了这点。更重要的是，我们得到了想要的信息，这是一张包含青霉素和生理盐水的处方笺，用于青霉素治疗，并包括过敏测试。

值得注意的是，出于隐私保护的目的，k1还特地隐去了患者姓名。

识别古籍

有时，古籍中手绘的线条弯弯曲曲，AI常常识别错位，甚至检索出来一幅毕加索的抽象艺术画。

这次，就让我们找到一张古籍中的农具图，检验一下k1是否可以理解古人的思维。

图片来源：古今图书集成图纂. 清刊本

k1不但识别出了这是一个灌溉系统，甚至光看图就理解了它的原理，分部位拆解了杆、梁、水轮等各个部位的作用。

接着我们找到了一张达芬奇的飞行器手稿，喂给了k1。

图片来源：wikipedia

这把把k1搞兴奋了，它开始代入了福尔摩斯的人设。

一步步来看，它首先从飞行器的草图联系到了达·芬奇对飞行装置的兴趣，初步确定了作者。

当k1开始理解内容后，尽管文字部分有些难以辨认，它还是推理出，这份笔记描述的是空气动力学和机械结构方面的内容。

最关键的是，k1竟然识别出了笔记使用了镜像书写，而这正是达芬奇的标志性特征。到这里，我真是服了。

讲解文物

这还用蹲守着听泉的直播间？

在博物馆碰到不认识的文物，k1也能科普。

独孤信多面体煤精印｜图片来源：陕西历史博物馆

k1首先给我们科普了文物主人独孤信的信息，这就相当懂行。因为文物主人相当于一个历史的坐标，了解时代背景，我们才有更多的维度理解文物的价值。

接着它从材质工艺、文物上的文字、稀有性和文化意义这几个方面详细解释了这枚印章的价值，可以说非常全面，基本解答了一个“好奇宝宝”的疑惑和探索欲，即使陕西历史博物馆的专家出来讲解，想必也很难跳脱出这个范畴。

还原菜谱

碰到喜欢吃的菜，妈妈再也不用担心我的黑暗料理了，中华小当家之魂已然上身！有了k1，直接还原出菜谱！

图片来源：wikipedia

对于减肥星人来说，入口之前不得看看热量？继续追问，它果然有一手。

总结

实际体验下来，我们发现，k1的表现确实超出预期。

如果说之前的大模型还只是局限在比特世界的话，端到端的图像理解能力相当于赋予了k1接入现实世界的API。

有人说，识图有那么难吗？但今天我们所认识的世界，本质都来自于我们通过肉眼观察所形成的理解。水、阳光、空气、花朵的颜色、几何物体的形状，在通往AGI的道路上，这些人类所看到的，其实AI都需要庞大的分析和理解。

与此同时，完成推理思维链CoT的呈现，让AI的角色也发生了微妙的变化。过去，大家认为AI有时像“人工智障”，只会斩钉截铁地给出一个唯一正确答案。然而，Kimi的K1新模型，对每个问题有完整的思考链路，可以不断地缩小范围、反复验证，就像和你对话一样，慢慢给出一个最符合逻辑的答案。

因为生活本身就没有唯一解，正是上下求索的过程，塑造了我们真正的自我。故事远没有结束，一切都还在继续丰富，Kimi将同你一起“思考”，一路同行。

-果壳商业科技传播部出品-

来源：果壳一点号