能看風水、誇我有情趣，Kimi現在都這麼野了嗎？_風聞

最近，差評君發現了個新鮮玩意兒。

餵給 AI 一張圖，它就能給你推測出一個人的性格。

光靠歌單，就能把人最近的心理狀態推測個七七八八。

而這些，都出自 Kimi 最新的 k1 視覺思考模型之手。

這不，距離上次推出數學模型 k0-math 打榜 o1 才一個月， k1 就火速登場了。

當然，這個 k1 可不止是像開頭那樣，只會看圖分析性格那麼簡單。

上次咱測試 k0-math 的時候，已經見識過了 “ 做題家 ” 的能力，那解題的思考過程給差評君都看得一愣一愣的。只可惜，有些繞邏輯的數學題還有幾何題，多少差了點意思。

但這次的 k1 就有説法了，既有推理能力又有視覺能力，意思就是可以直接拍照上傳解題，還號稱能在數理化上打平甚至超越 Open AI 的 o1 。

那要是這麼比的話，咱可就來勁了。正好， k1 新模型現在也不需要等內測， App 和網頁版都能用上，話不多説，我們直接開整。

上來，就扔了 K1 一道今年高考的幾何題。

首先， k1 對題乾的解讀足夠細緻，也知道自己的目標到底是啥。

題目給定的條件中可能涉及到的餘弦定理也考慮到了，就跟咱們在解題時的思維類似，看到 a² +b²− c² =2ab ，立馬會聯想到餘弦公式 c² =a² +b² -2ab·cosC 。

再根據公式和條件繼續推導，很快就能求出角 B=60 °。

第（ 2 ）題稍微難了那麼一丟丟，但差評君仔細檢查了一遍 k1 的解題過程，思路和解法都沒毛病，最後邊長 c=2√2的答案也是對的。（因為這題 k1 的思考過程實在太太太長，截圖就不展示了。）

同樣的題目問 o1 ，首先在推理速度上， o1 的 58s 就已經輸了。

正確率的話， o1 和 k1 打了個平手，都做對了。

不同的是， o1 把答題思路隱藏起來了，沒給像 k1 那樣的完整思考過程。

不過有一説一，差評君對 k1 模型這種模仿人類思考的方式，倒也不是特別吃驚。因為上次 k0-math 模型就已經震驚過我一回了，能意識到自己的錯誤、還會進行反覆驗證的樣子，像極了寫數學題時絞盡腦汁的我。

相比之下，這次的 k1 在補短板方面更出彩一些，上次 k0-math 翻車的初中幾何題我又拿 k1 試了一次，現在已經能做對了，就連上高考難度也不發怵。

而且我也發現， k1 不僅擅長做數學題，物理題也不在話下。

接着，我又拿出了一道邏輯稍微有點繞的邏輯陷阱題試了試：一個西瓜進價 50 元，賣價 70 元，老闆收了 100 元假幣，最後虧多少錢？

這題打眼一看簡單，但網友關於這道題的答案那叫一個五花八門，有説虧 150 的，有説 180 的，還有説 100 的。。。

咱們就看看連很多人類都想不明白的題， k1 能不能瞧出來裏面的陷阱。

而且，這道題我還特意手寫得比較潦草，順便也測一測 k1 的視覺能力到底是不是有宣傳的那麼神。

你別説，你還真別説，這模型的 “ 眼神 ” 確實不賴。

題目的正確率方面， k1 前半部分的分析先得出了一個虧 100 元的答案，但很快它就否定了自己。

繼續把假幣、找零還有成本利潤這些複雜因素綜合考慮進去，最後終於想明白老闆虧了 80 元。（ 正確答案是 80 元 ）

這邏輯能力，確實有點強。

包括我拿幾道行測的類比推理題給 k1 做了做，雖説邏輯分析的路徑跟參考答案的不太一樣，但最後的答案都是對的。

反正這一通測試下來，差評君發現 k1 會思考有邏輯，眼神好使智商也高， Kimi 這 **“ 做題家 ”**的名號算是坐實了。

不過除了做題以外，我這次還摸索出了更多花裏胡哨的玩法。

分析數據、看報表沒啥意思， k1 模型不是會根據圖片來推理嗎，那想必鑑別古錢幣也應該有一手吧？

差評君特地從網上找了一張民國時期銀元的圖片，兩枚銀元上假下真，發給 k1 ，淺淺來一把 “AI 版聽泉鑑寶 ” 。

圖源小紅書用户@古玩今來（公博代理收評）

k1 不僅知道錢幣是民國時期的，還對錢幣的各種細節 kuku 一頓輸出，最後竟然真的看出來了上面這枚是假幣。

咱再隨便發一張房間的圖片，讓 k1 看看 “ 風水 ” 。

什麼 “ 氣口 ” 、對稱佈局、能量平衡。。。説的頭頭是道，甚至還真給了建議，讓咱把牀換個位置、定期修剪植物、換一個更簡潔的吊燈。

吃飯的時候給 k1 拍一張，這頓飯攝入了多少卡路里也算得明明白白。

不過最讓我覺得驚豔的，還是 k1 看圖猜電影的能力。

我給了它一張《 七宗罪 》的電影截圖，沒有台詞只有畫面，對於很多沒看過這部電影的人來説，想猜出來都很難。

一開始看 k1 的分析我以為這把大概率要黃了，結果下一秒來一句 “ 拍攝角度和色調讓我想起了大衞 · 芬奇的電影 ” ，還推斷出了截圖裏的畫面是《 七宗罪 》裏的某一個場景。

真的太強了。。。

就連一些晦澀的梗圖丟給 k1 ，它也能一本正經地講解笑點到底在哪。

雖然有點過度解讀的嫌疑，但大體上的意思基本都 get 到了。

就這麼説吧，基於 k1 的視覺和推理能力，做題都是基操了，只要腦洞夠大，還可以解鎖出更多的玩法。

而 k1 的這種能力，很大程度要歸功於一個叫做COT （ Chain of Thought ）思維鏈的技術。

大概意思就是，模型在輸出答案之前，**模仿人類大腦的思考方式，把複雜的任務拆解之後，再一步步地解決。**這個技術，可以讓模型的智商變高。

另外一邊，藉助強化學習技術，也讓模型學會了在不斷試錯的過程中進化，以此來達到最優的結果，就跟訓狗似的。

至於為啥 Kimi 會率先選擇數學這個場景作為推理模型的切入口，我想，跟咱們人類學好數學鍛鍊思維，是一個道理。

在模型 “ 學好數學 ” 的基礎上，再將這種邏輯推理的能力應用到物理、化學，乃至於咱們日常生活的方方面面，直到最後真正理解這個世界。

而很顯然， Kimi 推理模型的泛化能力已經開始顯現出來了。

在數據見頂的前提下，這種基於強化學習技術的路徑，或許能夠讓模型實現更好的效果。

不過説到底，模型用了哪些技術、紙面分數有多高，大夥兒其實更關心模型到底好不好用、實不實用。

而向來以長文本見長的 Kimi ，如今長文本、強化學習兩手抓，也是調整自己的工具屬性慢慢往用户需求靠攏的表現。

畢竟，當技術不再高高在上，能幫助人們解決實際問題的時候，才算真正完成了它的使命。

圖片、資料來源：

Kimi、小紅書

部分圖源網絡