最近，笔者发现了一个令人眼前一亮的新玩意儿。
只需向AI提供一张图片，它就能推测出照片中人物的性格特征。
更令人惊奇的是，它甚至可以仅通过歌单就大致推断出用户近期的心理状态。
这些令人惊叹的功能都源自Kimi最新推出的k1视觉思考模型。值得一提的是，距离其数学模型k0-math上线仅一个月，k1便迅速问世。当然，k1的功能远不止图片性格分析这么简单。
此前测试k0-math时，我们已经见识过其强大的“解题家”能力，其解题思路清晰，令人叹为观止。然而，k0-math在处理一些逻辑复杂的数学题和几何题时，表现略显不足。
但此次推出的k1模型则弥补了这一缺陷，它同时具备推理能力和视觉能力，可以直接处理拍照上传的题目，并号称在数理化方面能够与甚至超越OpenAI的o1模型。
为了验证k1的实际能力，笔者选取了一道今年高考的几何题进行测试。k1不仅能够准确解读题意，理解解题目标，还能灵活运用余弦定理等数学知识，其思考过程与人类解题思路高度一致，例如，看到a² + b² – c² = 2ab，立即联想到余弦公式c² = a² + b² – 2ab·cosC。
通过公式和条件的推导，k1迅速求解出角B=60°。
对于第二道稍难的题目，k1同样给出了正确答案c=2√2，解题思路和方法也完全正确。（由于第二题k1的解题过程过长，此处不再展示截图）。在与o1的对比测试中，k1在速度上明显占优，o1耗时58秒，而k1更快；准确率方面，两者打成平手，都给出了正确答案，但o1并没有详细展示解题思路。
k1模仿人类思维方式解题，并不令人意外，因为之前k0-math模型已经展现出类似能力，例如能够意识到自身错误并进行反复验证。相比之下，k1在弥补k0-math缺陷方面表现更出色，例如k0-math未能解决的初中几何题，k1现在已经能够轻松应对，甚至能够处理高考难度的题目。
此外，k1不仅擅长数学，在物理方面也表现出色。
为了进一步测试k1的能力，笔者特意设计了一道逻辑陷阱题：一个西瓜进价50元，卖价70元，老板收了100元假币，最后亏多少钱？这道题看似简单，但答案却众说纷纭。笔者想看看k1能否识别出其中的陷阱，并且，为了测试k1的视觉能力，笔者特意采用手写潦草的方式书写题目。
令人惊喜的是，k1的视觉能力和逻辑推理能力都非常出色。它先得出一个亏100元的答案，随后迅速否定，并综合考虑假币、找零、成本利润等诸多因素，最终得出正确答案：亏损80元。（正确答案为80元）
笔者又测试了一些行测类比推理题，虽然k1的逻辑分析路径与标准答案略有不同，但最终答案均正确。
总而言之，k1展现出强大的逻辑推理和视觉分析能力，解题能力堪称一流，其“解题家”称号实至名归。 然而，k1的功能远不止于此，笔者还探索了一些更具创意的用法。
例如，利用k1的图片推理能力进行古钱币鉴别。笔者从网上找到一张民国时期银元的图片，两枚银元一真一假，并将图片发送给k1进行测试，结果k1不仅识别出钱币的年代，还详细分析了钱币的细节，最终准确识别出了假币。
此外，k1还能进行“风水”分析，对房间布局进行点评并提出改进建议，例如建议更换床的位置、定期修剪植物、更换更简洁的吊灯等。
甚至可以根据食物图片估算卡路里摄入量。
最令人印象深刻的是k1的看图猜电影能力。笔者提供了一张《七宗罪》的电影截图，k1通过分析画面角度和色调，准确推断出该截图出自《七宗罪》，并识别出具体的场景。
k1甚至能够解读一些晦涩的梗图，并解释其笑点所在。
总而言之，k1强大的视觉和推理能力使其能够轻松应对各种挑战，其应用场景远不止于解题。k1的出色表现很大程度上得益于COT（Chain of Thought）思维链技术，该技术能够模拟人类大脑的思考方式，将复杂任务分解成多个步骤逐一解决，从而提高模型的推理能力。此外，强化学习技术也为k1的进化提供了有力支持，使其能够在不断试错中优化自身表现。
Kimi选择数学作为推理模型的切入点，或许是因为数学能够有效锻炼思维能力，如同人类学习数学一样。 通过掌握数学知识，该模型可以将逻辑推理的能力扩展到物理、化学等多个领域，最终实现对世界的理解。
Kimi推理模型的泛化能力已经初见端倪。在数据趋于饱和的背景下，基于强化学习的技术路径或许能够帮助模型取得更好的效果。最终，模型的技术细节和纸面数据固然重要，但模型的易用性和实用性才是用户最关注的焦点。Kimi模型在长文本和强化学习方面的不断改进，正是其努力适应用户需求，提升自身实用价值的体现。当技术不再高高在上，而是能够切实解决人们的实际问题时，才能真正体现其价值与意义。
