Kimi 上线视觉思考模型，K1 系列强化学习模型正式开放，无需借助外部 OCR 处理图像与文本进行思考并回答

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🚀 快速阅读

1. 功能：k1视觉思考模型支持端到端图像理解和推理思维链展示。
2. 技术：基于预训练和强化学习后训练，优化字符识别能力，表现全球领先。
3. 应用：广泛应用于教育、学术研究、图像识别等领域。

正文

k1视觉思考模型是什么

k1视觉思考模型是kimi推出的k1系列强化学习AI模型，具备端到端图像理解和思维链技术。该模型能够直接处理图像信息进行思考并得出答案，无需借助外部OCR或视觉模型。k1模型在图像理解、数学、物理、化学等学科的基准测试中表现优异，超过全球多个标杆模型。

k1视觉思考模型基于预训练和强化学习后训练，优化了字符识别能力，在OCRBench上得到903分的当前最好结果，在MathVista-testmini、MMMU-val和DocVQA基准测试集上分数分别为69.1、66.7和96.9，处于全球领先水平。

k1视觉思考模型的主要功能

• 端到端图像理解：k1模型能直接处理用户输入的图像信息，进行深入的思考和分析，无需依赖外部的OCR技术或额外的视觉模型。
• 推理思维链展示：k1模型展示思考过程，即推理思维链（Chain of Thought, CoT），让用户能看到答案，还能看到模型得出答案的逻辑推理过程。
• 基础科学能力泛化：模型的能力扩展到物理、化学等其他基础科学领域，能理解和解决这些领域的复杂问题。
• 真实场景适应性：在包含噪声的真实场景下，k1模型相比其他模型有更显著的领先优势。

k1视觉思考模型的技术原理

• 预训练与强化学习：k1模型通过预训练和强化学习后训练，优化了字符识别能力，在多个基准测试中表现优异。
• 思维链技术：模型能够展示推理思维链，帮助用户理解模型得出答案的逻辑过程。
• 多学科能力：k1模型不仅限于数学，还扩展到物理、化学等基础科学领域，具备跨学科能力。

资源

• 项目官网：https://kimi.com
• GitHub 仓库：https://github.com/kimi-ai/k1-visual-thinking
• 环境配置文档：https://github.com/kimi-ai/k1-visual-thinking/tree/main/docs/prepare_env/install_guide-zh.md
• arXiv 技术论文：https://arxiv.org/pdf/2410.06734

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦