深度解读爆火国产大模型Kimi（附教程，建议收藏！）

如果要问目前最强的大模型是谁，答案毫无疑问还是GPT4。但如果要问最近最火的大模型是谁，国产Kimi表示舍我其谁。

这个由一家初创还不到1年的AI企业做出来的现象级大模型智能助手，体验过的用户都表示惊艳到了，投过的一级机构继续加码，没投过的二级市场概念股满天飞。

我最近也一直在体验，强烈推荐非AI专业人士使用和了解，帮助日常工作提升效率。

本文将分为以下几个部分：

1. 为什么推荐使用Kimi大模型？2. 如何高效使用Kimi大模型？3. Kimi和GPT4对比如何？4. 凭什么是月之暗面做出了Kimi？

因为技术细节还没有公开，所以暂时先不写技术相关的部分了。

为什么推荐使用Kimi大模型？

首先，当然是国产不用科学上网，其次不用付费，再其次功能全面、效果很好，重点是能读文件，能联网搜最新资料。

再详细给出Kimi的优点：

高效的信息处理能力：Kimi大模型具备强大的数据处理和分析能力，能够快速理解和回应用户的问题，为用户提供及时、准确的信息支持，支持200万字超长无损上下文。

广泛的知识覆盖：Kimi大模型拥有广泛的知识库，能够提供包括科技、文化、历史、教育等多个领域的信息，满足用户多样化的知识需求。

便捷的文件处理：用户可以将不同格式的文件发送给Kimi大模型，如TXT、PDF、Word文档、PPT幻灯片、Excel电子表格等，Kimi能够阅读这些文件内容并提供相关的回答，极大地方便了用户的资料整理和信息查询。

安全的网络访问：Kimi大模型具备访问互联网的能力，可以安全地获取网络上的信息，同时确保用户隐私和数据安全。

友好的用户交互体验：Kimi大模型设计了友好的用户交互界面，使得用户可以轻松地与其进行交流，无需复杂的操作。

如何高效使用Kimi大模型？

首先，你得知道在哪能用上Kimi智能助手：

网页版：https://kimi.moonshot.cn/小程序：Kimi 智能助手App：Kimi 智能助手

其次，对于非AI专业人士来说，我给你准备了几点如何问好问题(prompt 提示)的小tips，以助于你更高效充分利用Kimi的潜力。

明确具体：尽量提供具体的问题或指令，这样模型可以更准确地理解你的需求并给出相关的答案。例如，不是问“告诉我关于太空的事情”，你可以问“请解释太阳系中地球的五个邻近行星的特点”。

使用关键词：在prompt中包含关键词，可以帮助模型更快地定位相关信息。例如，“介绍一下中华人民共和国的五个自治区”。如果提问的问题需要联网，可以直接告诉模型可以搜索网上资料。

分步提问：如果你有一个复杂的问题，可以将其分解成几个小问题，逐步提问。这样不仅有助于模型更好地理解问题，还能帮助你更系统地获取信息。

避免歧义：确保你的prompt清晰无歧义，避免使用模糊或多义的词语，以免模型产生误解。

适当的上下文：为模型提供足够的上下文信息，可以帮助它更准确地定位和理解你的问题。例如，“根据中华人民共和国的法律法规，关于网络安全的相关规定有哪些？”

使用正确的语法：尽量使用正确的语法和标点符号，这有助于模型更好地解析你的意图。

考虑模型的限制：在提问时，要考虑到模型的能力和限制。避免提出超出模型知识范围或违反其使用准则的问题。

反馈和调教：如果模型的回答不符合你的预期，可以通过调整prompt或提供更多信息来优化问题。例如，如果模型对某个问题的回答不够详细，你可以尝试添加“请详细解释”来获取更多信息。

Kimi和GPT4对比如何？

总的来说：

1. Kimi的强项在于其文件和网页解析能力以及搜索能力，这使得它在处理特定类型的任务时表现出色。同时，Kimi擅长中文和英文对话，能够满足不同语言用户的需求。其他通用能力接近ChatGPT，跟GPT4相比还是有些差距。
2. GPT-4则在理解和生成语言方面更加精准和高效，拥有更广泛的知识和理解能力。通过集成的插件库，GPT-4能够扩展其功能，访问最新信息，提高回答的相关性和准确性。

详细对比请看下表：

凭什么是月之暗面做出了Kimi？

北京月之暗面科技有限公司（Moonshot AI）成立于2023年4月17日，短短不到1年时间，就做出了这样现象级的产品——可对外商用的Kimi智能助手，令人叹为观止。

所以凭什么是月之暗面？

硬核的创始团队

创始人兼CEO名叫杨植麟，当年我还在学校时候，他在科研圈就已经名声大噪了。

在这里插入图片描述

清华本科，卡内基梅隆大学CMU计算机博士，师从苹果公司AI负责人，曾在Facebook AI Research工作，是中国35岁以下NLP （自然语言处理）领域引用最高的研究者，也是Transformer-XL和XLNet两篇重要论文的第一作者——两篇文章均为大语言模型领域的核心技术。

2018年英伟达学者2019年度北京智源青年科学家2019年世界人工智能大会“A班计划” 2020年荣登“2020福布斯中国30岁以下精英榜”2022年入选AI华人青年学者榜单

此外，张宇韬、周昕宇、吴育昕几位联合创始人都来自清华系，张宇韬是杨植麟的老搭档，也是循环智能的联合创始人兼CTO；周昕宇是杨植麟本科同学，ShuffleNet的共同一作；吴育昕和杨植麟一样博士毕业于卡内基梅隆，曾和何恺明共同提出了组归一化(Group Normalization)。

无畏的战略选择

ChatGPT刚火的时候，人人都想下海做通用大模型。文心一言发布的时候，李彦宏建议中小公司做自己垂直领域的大模型，因为通用大模型烧钱、很难做好、还要面对国外的强烈冲击。

而月之暗面成立的时间是2023年4月17日，就在去年文心一言首次发布会后1个月，他们偏偏选择要做通用大模型，要做To-C（面向消费者）的商业模式。

要知道，高调入局通用大模型的大佬王慧文的光年之外公司已经被基友王兴收购，金沙江创投合伙人朱啸虎最近关于大模型的采访里公开表示对于国内的通用大模型并不看好，更关注大模型的应用。

所以，杨植麟和他的团队做了一个无畏的战略选择。

极致的产品创新

要做通用大模型，如果真刀真枪跟OpenAI、谷歌、百度、阿里、字节……比，胜算几乎为0。

从已经成功的Kimi来看，月之暗面切了一个非常痛的创新点，并且把这个点做到了极致。

2023年10月9日，月之暗面首次宣布在“长文本”领域实现了突破，推出首个支持输入20万汉字的智能助手产品Kimi；

2024年3月，月之暗面宣布Kimi智能助手启动200万字内测。

这个点就是长文本，延伸出来的是对输入文件分析的支持和联网搜索能力的支持。

不得不说，这敏锐的市场洞察和极致的产品创新，我给满分。

强大的资本支持

都知道搞大模型需要烧钱，来看看1年内做出来如此产品的月之暗面的融资历程：

首轮融资——2023年6月：月之暗面在成立初期便获得了首轮资本的青睐，完成了超过2亿美元的融资。这一轮融资的主要投资方包括知名的红杉中国和真格基金等。此时，公司的估值已经超过了15亿美元，显示出市场对月之暗面技术和潜力的高度认可。第二轮融资——2023年10月：在短短几个月后，月之暗面再次获得了资本市场的大力支持，完成了近20亿元人民币的融资。这次的投资机构包括红杉资本、今日资本、砺思资本等，进一步巩固了公司在AI领域的领先地位。第三轮融资——2024年2月：月之暗面完成了全新一轮的融资，金额超过10亿美元，刷新了国内AI领域最大单笔融资记录。此次融资由多家知名资本方参与，包括红杉中国、小红书、美团、阿里等，这不仅为公司带来了巨额的资金支持，也极大地提升了月之暗面的行业地位和影响力。

目前，月之暗面的估值已达约25亿美元（约合人民币180亿元），成为国内大模型领域的头部企业之一。

强大的资本支持不仅为公司提供了充足的研发资金，也为其市场推广和产品迭代提供了保障，同时也表明资本市场对其商业模式和未来发展潜力的高度认可。

最后，感叹一句，AI大模型发展如此迅速，国内外大厂内外夹击，作为初创公司的现象级产品，Kimi称得上是国产之光。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】