中国AI双子星，在硅谷教OpenAI做事？

本文由 光子星球 撰写/授权提供，转载请注明原出处。

文章来源于：光子星球

作者：郝鑫、吴先之

编辑：王潘

国内大模型圈迎来神仙打架，OpenAI 一觉醒来惊呼变了天？

1 月 20 日，DeepSeek 没有任何预兆地发布了 DeepSeek-R1 模型。不到两个小时，Kimi k1.5 新模型随即发布。模型之外，还都附带上了详细的技术训练报告。

两款推理模型，全面对标 OpenAI o1，在多项基准测试中获得了打平和超越 o1 的好成绩。DeepSeek-R1 文本推理模型出厂即开源、可商用，Kimi k1.5 同时支持文本和视觉推理，同样各项指标拉满，成为首个实现 o1 完整版水平的多模态模型。

中国大模型界“双子星”一夜间卷到海外，给了硅谷“亿点点”震撼。社交平台 X 上多位业界和学界大佬下场转发、点赞 DeepSeek-R1 与 Kimi k1.5 的帖子。

英伟达 AI 科学家 Jim Fan 第一时间发帖总结两者的相同点和差异性，评价所发表的论文是“重磅”级别。

（图源：X）

(图源：X)

多位 AI 技术大 V 对 Kimi k1.5 给予肯定，有人发表评论称“又一个重量级模型诞生了，亮点是文本和视觉的多模态推理能力，这是多模态 AI 领域的重大突破”。有人将其与 OpenAI o1 相比较，感叹 OpenAI 是否已经被拉下了神坛，“越来越多的模型正在打败 OpenAI o1”？

（图源：X）

面对来自中国的“攻擂者”，挤牙膏式释放期货的 OpenAI 首席执行官 Sam Altman 在个人账号发布帖子抱怨媒体炒作 AGI，让网友降低期待值，“下个月不会部署 AGI，也不会构建 AGI”。没想到，反而激怒了网友，被讽刺“贼喊捉贼”。

AI 世界正在发生一些变化，DeepSeek-R1 和 Kimi k1.5 验证了强化学习（RL）思路的可行性，开始挑战 OpenAI 的绝对领先地位。

同时，中国本土模型挑战不可能性，实现换道超车，也是对国内大模型行业的一次精神鼓舞。未来，中国 AI 企业仍有机会打破硅谷的技术垄断，走出中国自主技术路线。

继去年 11 月发布的 k0-math 数学模型，12 月发布的 k1 视觉思考模型之后，连续第三个月升级，Kimi 带来了 K 系列强化学习模型 Kimi k1.5。

按照 Kimi k 系列思考模型路线图，k0 到 kn 进化是模态和领域的全面拓展。k0 属于文本态，聚焦于数学领域；k1 增加了视觉态，成为了 OpenAI 之外首个多模态版的 o1，其领域扩展至物理、化学；此次升级的 k1.5 仍是多模态，这也是 Kimi 模型突出特点之一，在领域上则由数理化升级到代码、通用等更加常用和广阔的领域。

从基准测试成绩看，k1.5 多模态思考模型实现了 SOTA（state-of-the-art）级别的多模态推理和通用推理能力。

国内外宣传达到 o1 水准的模型很多，但是从数据来看，目前只有 Kimi 和 DeepSeek 发布的模型才是真正满血版的 o1，其他各家发布的模型还在 o1-Preview 的水平——差距有 30%-40%。

以 OpenAI o1 为基准，其数学水平得分 74.4 分，编程水平得分 67.2 分，并且支持多模态。按此标准审视国内已发布的推理模型，阿里 QVQ、智谱 GML、科大讯飞星火和阶跃星辰 Step 系列模型与实际 o1 水平仍有一定距离。DeepSeek 和 Kimi 模型在数学水平上均超过了 OpenAI，编程水平接近 o1 水准。但跟 DeepSeek 相比，Kimi 支持多模态视觉推理，而 DeepSeek 只能识别文字，不支持图片识别。

具体来看，在 short-CoT（短思考）模式下，Kimi k1.5 超越了其他一切模型。其数学、代码、视觉多模态和通用能力，大幅超越了全球范围内短思考 SOTA 模型 GPT-4o 和 Claude 3.5 Sonnet 的水平，领先达到 550%。

在 long-CoT（长思考）模式下，Kimi k1.5 的数学、代码、多模态推理能力，也达到长思考 SOTA 模型 OpenAI o1 正式版的水平。在两个数学水平测试（AIME 2024 和 MATH-500）中打败了 o1，在编程水平测试（Codeforces）中与 o1 打平。这应该是全球范围内，OpenAI 之外的公司首次实现 o1 正式版的多模态推理性能。

海内外一起打 call，实力水平经得住考验，Kimi 是如何修炼成“最强大脑”的？

看完干货满满的技术报告，可以总结归纳为一种训练思路、一个训练方案和一个训练框架。其中，高效推理、优化思路贯穿其中。

受制于数据量的限制，预训练“大力出奇迹”的方法在现实训练中屡屡碰壁，从 OpenAI o1 起行业内开始转变训练范式，把更多的精力投入到强化学习上。

之前的思路可以理解为“直给”，即人类要主动去“喂”给大模型数据，监督大模型工作，介入大模型的“调教”过程。但强化学习的核心思路是，在没有人过多干预的情况下，让大模型自我学习和进化。

此次 Kimi 的新模型更新便采用了强化学习的路径，在训练过程中证明，无需依赖蒙特卡洛树搜索、价值函数、过程奖励模型，也能让模型取得不错的性能。

强化学习的思路集中体现在了“Long2Short”训练方案中，这也是 Kimi 技术报告的亮点所在。按其官方介绍，具体的做法为，先利用较大的上下文窗口，让模型学会长链式思维，再将“长模型”的推理经验转移到“短模型”中，两者进行合并，最后针对“短模型”进行强化学习微调。

图注：越靠近左上角越好

这种做法的好处在于，可以提升 token 的利用率以及训练效率，在模型性能和效率中间寻找到最优解。

放到行业内来看，Kimi 的“Long2Short”训练方案也是“模型蒸馏”的体现。在这里，“长模型”是老师，而“短模型”是学生，老师传授给学生知识，利用大模型来提升小模型的性能。当然，Kimi 也采用了一些方法来提升效率，比如利用“长模型”生成的多个样本，取最短的正解为正样本，生成时间长的为负样本，以此来形成对照组训练数据集。

为了适配强化学习训练，Kimi k1.5 专门设计了特殊的强化学习框架，作为基座来支撑整个训练系统。

k1.5 模型最高支持 128k 的上下文本长度，如果模型每次都要完成一次完整的思维链生成和推理过程，对于计算资源、内存存储和训练稳定性都会造成影响。因此，Kimi 引进了“Partial Rollouts”技术，生成的链路切分为多个步骤，而并非毕功与一役。

底层 AI infra 的搭建思路，体现了月之暗面在长文本上的积累，如何实现资源最大化和高效是其一直重点解决的问题，现在这种思路又将延续到思维链生成和推理上。

从 Kimi 和 DeepSeek 身上，我们或许能看出未来模型训练的几种趋势：对于强化学习训练的投入和资源倾斜将加大；OpenAI o1 为了下一阶段大模型入场的新门槛，技术、资源跟不上意味着掉队；上下长文本技术尤为重要，这将作为能够生成和推理长思维链的基础；Scaling law 还没有完全失效，在一些局部，比如长上下文本依然存在并且具有潜力。

中国“双子星”打开了 OpenAI 的黑箱。此前，OpenAI 定义了大模型训练的四个阶段：预训练、监督微调、奖励建模、强化学习。现在，这个范式被打破了，Kimi 和 DeepSeek 都证明了可以跳过和简化某些环节来提升模型的训练效率和性能。

Kimi 和 DeepSeek 效应是双重的。走出国门，向海外 AI 圈特别是硅谷证明，持续的专注于聚焦就能出奇迹，中国依然具备竞争科技第一梯队的能力。

OpenAI 应该反思，在投入如此资源和拥有高人才密度的情况下，为什么被来自中国的企业在多个方面赶超，这或许将给世界的竞争格局带来微妙的变化。人们不禁要问，OpenAI 的先发优势还能持续多久？不仅同一个国家有死对头 Anthropic，从其手中拿走了 To B 的单子，现在还要对来自中国的 AI 企业保持警惕。

在国内，新的格局似乎已经在变动之中。DeepSeek 凭借开源和超越 OpenAI 性能的模型受到了前所未有的关注，甚至已经开始有人将其纳入“AI 六小虎”的行列之中。

相较于以前，现阶段的 Kimi 更加明确了从 k0 到 kn 的技术路线，尽管其表示“会聚焦在 Kimi一个产品上”，但Kimi所承载的已经远远超越了一个普通的AI应用。

Kimi k1.5 让月之暗面拿下了下一阶段的入场券，这也让其在未来竞争中掌握更多的主动权。保持一定的领先之后，2025 年新的目标是如何活得更好。

新一轮洗牌悄悄开始，谁会先掉队，谁又能先突出重围？

扫码关注公众号

获取更多技术资讯