中国AI双子星能终结OpenAI的神话吗？
中国AI双子星的惊艳亮相
模型的突然发布
1月20日，中国的大模型领域发生了令人瞩目的事情。DeepSeek毫无预兆地推出DeepSeek-R1模型，紧接着不到两小时，Kimik1.5新模型也发布了。这两款模型都附带详细的技术训练报告，就像是两颗重磅炸弹突然在大模型的战场上爆炸开来。这种突然性让整个行业都为之震动，尤其是海外的同行们。
对标OpenAIo1的成绩
这两款推理模型的目标很明确，全面对标OpenAIo1。在众多的基准测试中，它们取得了令人惊叹的成绩，有些方面甚至超越了o1。DeepSeek-R1模型一出场就是开源且可商用的。Kimik1.5模型不仅支持文本推理，还能进行视觉推理，在各项指标上都表现出色，成为首个达到o1完整版水平的多模态模型。它们的出现，无疑是对OpenAI的巨大挑战。
Kimik1.5模型的独特之处
模型的进化历程
Kimik1.5模型是Kimi系列的新成果。回顾其发展历程，从去年11月的k0-math数学模型，到12月的k1视觉思考模型，再到如今的k1.5，是模态和领域不断拓展的过程。k0聚焦数学领域，k1增加视觉态进入多模态并扩展领域，k1.5在多模态基础上，将领域进一步拓展到代码、通用等更广阔的范围。
性能指标的超越
从基准测试成绩看，k1.5的表现相当耀眼。在short-CoT模式下，它超越了其他所有模型，数学、代码、视觉多模态和通用能力大幅领先。在long-CoT模式下，其数学、代码、多模态推理能力也达到了OpenAIo1正式版的水平，在一些测试中还打败了o1。这表明Kimik1.5在多模态推理和通用推理能力上达到了世界顶尖水平。
修炼秘籍的剖析
Kimik1.5的成功并非偶然。其技术报告揭示了背后的秘密。它采用了强化学习的思路，这与之前的预训练方式有所不同。其中“Long2Short”训练方案是一大亮点，先让模型学会长链式思维，再转移到“短模型”中合并并微调。这种方式提高了token利用率和训练效率。为适配强化学习，还设计了特殊的强化学习框架，并且采用了如“PartialRollouts”等技术来优化模型。
中国AI双子星的影响
对全球格局的冲击
DeepSeek-R1和Kimik1.5的出现，给全球大模型格局带来了巨大冲击。它们打破了OpenAI定义的大模型训练范式，证明可以跳过或简化某些环节来提升效率和性能。这让OpenAI不得不反思自己的先发优势还能维持多久。在海外，它们得到了众多业界和学界人士的认可，给硅谷带来了震撼。
对国内格局的改变
在国内，这两款模型也改变了格局。DeepSeek因开源和超越OpenAI的性能受到极大关注，甚至有望进入“AI六小虎”。Kimi明确了技术路线，k1.5让月之暗面在未来竞争中更具主动权。这预示着中国大模型行业将进入新的洗牌阶段，各企业都要思考如何在竞争中生存和发展。
对未来趋势的预示
从这两款模型身上，我们可以看到未来大模型训练的一些趋势。强化学习将得到更多的投入和资源倾斜，OpenAIo1成为新的门槛，上下长文本技术的重要性凸显，Scalinglaw在局部仍有潜力。这些趋势将引导未来大模型的发展方向，各企业需要紧跟趋势才能在竞争中立足。
相关问答
DeepSeek-R1模型有哪些特点？
DeepSeek-R1模型出厂即开源、可商用，在多项基准测试中能与OpenAIo1打平甚至超越，是一款文本推理模型。
Kimik5模型在多模态推理方面是如何做到领先的？
Kimik5通过采用强化学习思路，“Long2Short”训练方案以及特殊的强化学习框架，提升了模型性能，在多模态推理方面领先。
中国AI双子星对OpenAI有哪些挑战？
它们在多项基准测试成绩上与OpenAIo1相当甚至超越，打破了OpenAI的训练范式，让OpenAI的先发优势受到质疑。
Kimik5的“Long2Short”训练方案有什么好处？
该方案可提升token利用率和训练效率，先让模型学长链式思维再转移到短模型中合并微调，能在模型性能和效率间找到最优解。
中国AI双子星对国内大模型行业有何影响？
改变了国内格局，如DeepSeek受关注，Kimi更具竞争优势，预示新的洗牌开始，各企业要思考发展策略。
未来大模型训练有哪些趋势？
强化学习投入增加，OpenAIo1成门槛，上下长文本技术重要，Scalinglaw在局部仍有潜力等。
