月之暗面推出视觉思考模型 K1：支持拍照答题，完整呈现解题思路

ITCOW牛新网 12月16日消息，国内AI研发公司“月之暗面”今日发布全新视觉思考模型 K1。该模型原生支持端到端图像理解和思维链（CoT）技术，能够通过拍照或上传图片解决数理化等基础科学领域的题目，并完整展示解题的思考过程。这一功能已上线最新版「Kimi 智能助手」的手机App和网页版。

K1 的核心功能与特点

1. 拍照解题 + 思维链展示
   用户可通过「Kimi 视觉思考版」拍摄或上传试题图片，模型会给出详细的解题过程，不仅展示答案，还完整呈现推理与计算的每一步。
2. 覆盖更多基础科学领域
   除数学外，K1 模型的能力已扩展至物理、化学等领域，在基准测试中表现优异，超过了 OpenAI 的 o1、GPT-4o 和 Claude 3.5 Sonnet 等知名模型。
3. 增强的字符与图像理解
   在 OCR（光学字符识别）方面，K1 的基础模型在 OCRBench 测试中取得 903 分的业界领先成绩，并在 MathVista-testmini、MMMU-val 和 DocVQA 数据集上分别达到 69.1、66.7 和 96.9 的高分。
4. 创新测试集：Science Vista
   为克服当前行业缺乏标准化图形测试集的瓶颈，Kimi 团队自建了 Science Vista 测试集。该测试集涵盖不同难度的数理化题目，贴合实际用户需求，并已宣布向全行业开放申请使用。

K1 的训练分为预训练和强化学习两个阶段：

• 预训练：优化字符与图像识别能力，构建扎实的基础模型。
• 强化学习：聚焦数据质量与学习效率，通过大规模强化学习优化提升模型表现。

在强化学习的规模化方面，K1 取得了显著突破，为复杂问题求解提供了更强的支持。

尽管 K1 在基准测试中表现出色，但月之暗面在内部测试中发现了一些模型的局限性：

• 分布外泛化能力：对未见过的题型或场景表现仍需提升。
• 复杂问题处理：在高难度问题上的成功率仍有优化空间。
• 噪声处理与多轮问答：在图像噪声场景及多轮复杂交互中表现尚需改进。

K1 的发布不仅为用户提供了高效的学习工具，还推动了AI在基础科学教育中的应用。其思维链功能让用户直观了解解题逻辑，有助于知识理解与学习能力的提升。同时，Science Vista 测试集的开放也为行业建立了一个重要的评测标准，填补了基础科学图形数据集的空白。

未来，K1 的进一步优化有望在更多学科领域和应用场景中展现潜力，为AI教育工具的发展注入新的动力。