國內大模型圈迎來神仙打架，OpenAI一覺醒來驚呼變了天？
1月20日，DeepSeek沒有任何預兆地發(fā)布了DeepSeek-R1模型。不到兩個小時，Kimi k1.5新模型隨即發(fā)布。模型之外，還都附帶上了詳細的技術訓練報告。
兩款推理模型，全面對標OpenAI o1，在多項基準測試中獲得了打平和超越o1的好成績。DeepSeek-R1文本推理模型出廠即開源、可商用，Kimi k1.5同時支持文本和視覺推理，同樣各項指標拉滿，成為首個實現(xiàn)o1完整版水平的多模態(tài)模型。
中國大模型界雙子星一夜間卷到海外，給了硅谷億點點震撼。社交平臺X上多位業(yè)界和學界大佬下場轉發(fā)、點贊DeepSeek-R1與Kimi k1.5的帖子。
英偉達AI科學家Jim Fan第一時間發(fā)帖總結兩者的相同點和差異性，評價所發(fā)表的論文是重磅級別。
（圖源：X） 
(圖源：X)
多位AI技術大V對Kimi k1.5給予肯定，有人發(fā)表評論稱又一個重量級模型誕生了，亮點是文本和視覺的多模態(tài)推理能力，這是多模態(tài)AI領域的重大突破。有人將其與OpenAI o1相比較，感嘆OpenAI是否已經被拉下了神壇，越來越多的模型正在打敗OpenAI o1？
（圖源：X）
面對來自中國的攻擂者，擠牙膏式釋放期貨的OpenAI首席執(zhí)行官Sam Altman在個人賬號發(fā)布帖子抱怨媒體炒作AGI，讓網友降低期待值，下個月不會部署AGI，也不會構建AGI。沒想到，反而激怒了網友，被諷刺賊喊捉賊。
AI世界正在發(fā)生一些變化，DeepSeek-R1和Kimi k1.5驗證了強化學習（RL）思路的可行性，開始挑戰(zhàn)OpenAI的絕對領先地位。
同時，中國本土模型挑戰(zhàn)不可能性，實現(xiàn)換道超車，也是對國內大模型行業(yè)的一次精神鼓舞。未來，中國AI企業(yè)仍有機會打破硅谷的技術壟斷，走出中國自主技術路線。
真正的滿血o1來了繼去年11月發(fā)布的k0-math數(shù)學模型，12月發(fā)布的k1視覺思考模型之后，連續(xù)第三個月升級，Kimi帶來了K系列強化學習模型Kimi k1.5。
按照Kimi k系列思考模型路線圖，k0到kn進化是模態(tài)和領域的全面拓展。k0屬于文本態(tài)，聚焦于數(shù)學領域；k1增加了視覺態(tài)，成為了OpenAI之外首個多模態(tài)版的o1，其領域擴展至物理、化學；此次升級的k1.5仍是多模態(tài)，這也是Kimi模型突出特點之一，在領域上則由數(shù)理化升級到代碼、通用等更加常用和廣闊的領域。
從基準測試成績看，k1.5多模態(tài)思考模型實現(xiàn)了SOTA（state-of-the-art）級別的多模態(tài)推理和通用推理能力。
國內外宣傳達到o1水準的模型很多，但是從數(shù)據(jù)來看，目前只有Kimi和DeepSeek發(fā)布的模型才是真正滿血版的o1，其他各家發(fā)布的模型還在o1-Preview的水平——差距有30%-40%。
以OpenAI o1為基準，其數(shù)學水平得分74.4分，編程水平得分67.2分，并且支持多模態(tài)。按此標準審視國內已發(fā)布的推理模型，阿里QVQ、智譜GML、科大訊飛星火和階躍星辰Step系列模型與實際o1水平仍有一定距離。DeepSeek和Kimi模型在數(shù)學水平上均超過了OpenAI，編程水平接近o1水準。但跟DeepSeek相比，Kimi支持多模態(tài)視覺推理，而DeepSeek只能識別文字，不支持圖片識別。
具體來看，在short-CoT（短思考）模式下，Kimi k1.5超越了其他一切模型。其數(shù)學、代碼、視覺多模態(tài)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%。
在long-CoT（長思考）模式下，Kimi k1.5的數(shù)學、代碼、多模態(tài)推理能力，也達到長思考 SOTA 模型 OpenAI o1 正式版的水平。在兩個數(shù)學水平測試（AIME 2024和MATH-500）中打敗了o1，在編程水平測試（Codeforces）中與o1打平。這應該是全球范圍內，OpenAI之外的公司首次實現(xiàn)o1正式版的多模態(tài)推理性能。
海內外一起打call，實力水平經得住考驗，Kimi是如何修煉成最強大腦的？
看完干貨滿滿的技術報告，可以總結歸納為一種訓練思路、一個訓練方案和一個訓練框架。其中，高效推理、優(yōu)化思路貫穿其中。
受制于數(shù)據(jù)量的限制，預訓練大力出奇跡的方法在現(xiàn)實訓練中屢屢碰壁，從OpenAI o1起行業(yè)內開始轉變訓練范式，把更多的精力投入到強化學習上。
之前的思路可以理解為直給，即人類要主動去喂給大模型數(shù)據(jù)，監(jiān)督大模型工作，介入大模型的調教過程。但強化學習的核心思路是，在沒有人過多干預的情況下，讓大模型自我學習和進化。
此次Kimi的新模型更新便采用了強化學習的路徑，在訓練過程中證明，無需依賴蒙特卡洛樹搜索、價值函數(shù)、過程獎勵模型，也能讓模型取得不錯的性能。
強化學習的思路集中體現(xiàn)在了Long2Short訓練方案中，這也是Kimi技術報告的亮點所在。按其官方介紹，具體的做法為，先利用較大的上下文窗口，讓模型學會長鏈式思維，再將長模型的推理經驗轉移到短模型中，兩者進行合并，最后針對短模型進行強化學習微調。
圖注：越靠近左上角越好
這種做法的好處在于，可以提升token的利用率以及訓練效率，在模型性能和效率中間尋找到最優(yōu)解。
放到行業(yè)內來看，Kimi的Long2Short訓練方案也是模型蒸餾的體現(xiàn)。在這里，長模型是老師，而短模型是學生，老師傳授給學生知識，利用大模型來提升小模型的性能。當然，Kimi也采用了一些方法來提升效率，比如利用長模型生成的多個樣本，取最短的正解為正樣本，生成時間長的為負樣本，以此來形成對照組訓練數(shù)據(jù)集。
為了適配強化學習訓練，Kimi k1.5專門設計了特殊的強化學習框架，作為基座來支撐整個訓練系統(tǒng)。
k1.5模型最高支持128k的上下文本長度，如果模型每次都要完成一次完整的思維鏈生成和推理過程，對于計算資源、內存存儲和訓練穩(wěn)定性都會造成影響。因此，Kimi引進了Partial Rollouts技術，生成的鏈路切分為多個步驟，而并非畢功與一役。
底層AI infra的搭建思路，體現(xiàn)了月之暗面在長文本上的積累，如何實現(xiàn)資源最大化和高效是其一直重點解決的問題，現(xiàn)在這種思路又將延續(xù)到思維鏈生成和推理上。
中國雙子星終結OpenAI神話？從Kimi和DeepSeek身上，我們或許能看出未來模型訓練的幾種趨勢：對于強化學習訓練的投入和資源傾斜將加大；OpenAI o1成為了下一階段大模型入場的新門檻，技術、資源跟不上意味著掉隊；上下長文本技術尤為重要，這將作為能夠生成和推理長思維鏈的基礎；Scaling law還沒有完全失效，在一些局部，比如長上下文本依然存在并且具有潛力。
中國雙子星打開了OpenAI的黑箱。此前，OpenAI定義了大模型訓練的四個階段：預訓練、監(jiān)督微調、獎勵建模、強化學習?，F(xiàn)在，這個范式被打破了，Kimi 和DeepSeek都證明了可以跳過和簡化某些環(huán)節(jié)來提升模型的訓練效率和性能。
Kimi和DeepSeek效應是雙重的。走出國門，向海外AI圈特別是硅谷證明，持續(xù)的專注于聚焦就能出奇跡，中國依然具備競爭科技第一梯隊的能力。
OpenAI應該反思，在投入如此資源和擁有高人才密度的情況下，為什么被來自中國的企業(yè)在多個方面趕超，這或許將給世界的競爭格局帶來微妙的變化。人們不禁要問，OpenAI的先發(fā)優(yōu)勢還能持續(xù)多久？不僅同一個國家有死對頭Anthropic，從其手中拿走了To B的單子，現(xiàn)在還要對來自中國的AI企業(yè)保持警惕。
在國內，新的格局似乎已經在變動之中。DeepSeek憑借開源和超越OpenAI性能的模型受到了前所未有的關注，甚至已經開始有人將其納入AI 六小虎的行列之中。
相較于以前，現(xiàn)階段的Kimi更加明確了從k0到kn的技術路線，盡管其表示會聚焦在Kimi一個產品上，但Kimi所承載的已經遠遠超越了一個普通的AI應用。
Kimi k1.5讓月之暗面拿下了下一階段的入場券，這也讓其在未來競爭中掌握更多的主動權。保持一定的領先之后，2025年新的目標是如何活得更好。
新一輪洗牌悄悄開始，誰會先掉隊，誰又能先突出重圍？
看完覺得寫得好的，不防打賞一元，以支持藍海情報網揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
