編輯 | 伊風
出品 | 51CTO技術棧（微信號：blog51cto）
昨晚十點，Kimi彈了條推送。
大晚上的，他們就這么波瀾不驚地發了一個SOTA 模型出來！
就是這個 k1.5 多模態思考模型，性能實現有多逆天呢：
在 short-CoT 模式下， Kimi k1.5 的多項能力，大幅超越了全球范圍內短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，領先達到 550%；在 long-CoT 模式下，Kimi k1.5 的數學、代碼、多模態推理能力，也達到長思考 SOTA 模型 OpenAI o1 滿血版的水平！
而且，這是Kimi首次發布訓練報告《Kimi k1.5：借助大語言模型實現強化學習的 Scaling》，足足25頁。
圖片
k 1.5針對強化訓練做了不少工作，尤其是讓k 1.5實現逆天短推理能力的Long2short技術，讓很多技術者眼前一亮。這個報告真的可以說有“壓箱底”的干貨，高效思維鏈也是被很多人認為馬上要引領新風潮了。
（github 鏈接：https://github.com/MoonshotAI/Kimi-k1.5）。
Kimi作為專注產品側的閉源模型，能主動去做很多技術分享，真的很可貴。（點的就是越來越封閉的CloseAI）
再疊加上開源頂流DeepSeek家也推出了推理模型——DeepSeek-R1，這下硅谷AI圈又得死磕著研究咱們的技術報告了。
圖片
說回k 1.5,Kimi這次也是按慣例,一發測試報告就在C端產品上陸續上線，選這個模型切換就能使用k 1.5模型。
圖片
比較遺憾的是，目前被灰度到的小伙伴還很少，小編也沒能找到網友們的實測例子。
只能說懷著期待再等一等！
圖片
1.k1.5到底有多強
作為SOTA 模型，Kimi k1.5 性能上相當能打。
圖片
首先是短鏈思維鏈，也是k 1.5最大的看點。
短鏈思維鏈的核心，就是簡單高效，讓模型生成一個概括性的中間推理步驟來幫助回答問題。
k1.5 的數學、代碼、視覺多模態和通用能力，大幅超越了全球范圍內短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，領先達到 550%，直接看圖：
圖片
除了視覺能力（Vision）上弱一點，其他真的是很超前。
k 1.5的長板夠長，其他做得也不弱。在長鏈思維鏈模式下，Kimi k1.5 的數學、代碼、多模態推理能力，依然比肩了長思考 SOTA 模型 OpenAI o1 正式版的水平。
長鏈思維鏈專注的是復雜問題，數學證明、復雜因果關系、推理等等……這些任務需要模型多想幾步，生成更豐富的邏輯推理鏈條。
看報告真的和OpenAI打得有來有回的。
圖片
而更有含金量的是：
這應該是全球范圍內，OpenAI 之外的公司首次實現 o1 正式版的多模態推理性能。
月之暗面 Kimi
二、SOTA之路：Kimi模型是如何訓練出來的
我感覺，Kimi在強化學習方面找到手感了！真的能說一句越戰越勇。
去年 11 月他們發了 k0-math 數學模型，緊接著下個月又發了 k1 視覺思考模型。
再看年前他們發的k1.5 多模態思考模型，總覺得Kimi下了一盤很大的棋。
我們先說說，Kimi官方給出的k 1.5的幾個關鍵詞，然后再詳細聊聊這次最大的創新技術Long2short。
1.1.5的關鍵詞
k 1.5的三個關鍵詞：長上下文擴展、改進的策略優化、多模態能力。
圖片
- 長上下文擴展。Kimi 將 RL 的上下文窗口擴展到 128k，并觀察到隨著上下文長度的增加，性能持續提升。這背后的一個關鍵思想是，使用部分展開（partial rollouts）來提高訓練效率——即通過重用大量先前的軌跡來采樣新的軌跡，避免了從頭開始重新生成新軌跡的成本。我們的觀察表明，上下文長度是通過 LLMs 持續擴展RL的一個關鍵維度。
這項突破也意味著強化學習，使得大模型向更復雜和長時記憶任務又邁進了一步。
- 改進的策略優化。Kimi推導出了long-CoT的 RL 公式，并采用在線鏡像下降的變體進行穩健的策略優化。該算法通過我們的有效采樣策略、長度懲罰和數據配方的優化進一步得到改進。
- 多模態能力。我們的模型在文本和視覺數據上聯合訓練，具有聯合推理兩種模態的能力。該模型數學能力出眾，但由于主要支持LaTeX等格式的文本輸入，依賴圖形理解能力的部分幾何圖形題則難以應對。
2.long2short方法
k 1.5找到的long2short方法，絕對值得技術者學習。
這證明：Long-CoT模型的推理先驗知識可以順利轉移到 Short-CoT 模型中。
這樣Short-CoT 模型不僅效果飛升，還不會像Long-CoT那樣燃燒如此多的token。
Kimi這個創新真的可以：利用 Long-CoT 技術來改進 Short-CoT 模型后，在短鏈思維推理方面取得了SOTA成績——例如，在AIME上達到60.8分，MATH500上達到94.6分，LiveCodeBench上達到47.3分——大幅超越了現有的短鏈思維模型，如GPT-4和Claude Sonnet 3.5（提升幅度高達550%）。
圖片
報告中還進一步披露了Long-CoT改進Short-CoT的實現方法。
引用《ChatGPT原理與實戰》作者對報告的分析，Kimi團隊嘗試了模型合并、最短拒絕采樣、DPO、long2short強化學習多個方法。
這才煉成了如此優秀的SOTA。
圖片
三、同天之內兩家國產o1絕不是巧合
前腳，DeepSeek-R1 剛發，作為高性能的 AI 推理模型，對標的也是 OpenAI 的 o1 的正式版。
作為開源模型，R1已經開源，模型權重可在 Hugging Face 上獲取。加上之前V3的驚艷，聲量非常大。
開源地址：https://huggingface.co/deepseek-ai/DeepSeek-R1
英偉達大佬Jim Fan感嘆說，R1不止是開放了模型，技術的共享也非常重要。
圖片
就這么你追我趕著，k 1.5也橫空出世了。
看來，如Jim Fan此前預言的，2025強化學習要王者歸來了。
圖片
最后，Jim Fan還總結了一波兩個模型的不同之處，讓我們一起看看：
- DeepSeek 采用 AlphaZero 方法--純粹通過 RL 引導，無需人工輸入，即 "冷啟動"。
- DeepSeek的權重是MIT許可的（思想領導力！）；Kimi還沒有發布模型。
- Kimi在MathVista等基準測試中顯示出強大的多模態性能（！），這些基準測試要求對幾何、智商測試等有直觀的理解。
- Kimi 的論文中有大量關于系統設計的細節：RL 基礎設施、混合集群、代碼沙箱、并行策略；以及學習細節：長上下文、CoT 壓縮、課程、抽樣策略、測試用例生成等！
發布k 1.5之后，Kimi發布了K系列的未來計劃。從k0-math 數學模型，到k1 視覺思考模型，再到k 1.5的多模態推理，感覺Kimi真的是在一路升級打怪。
期待2025年，更多的模型廠跟我們一些驚艷的新東西。
圖片
