Kimi智能助手升级：图片识别与推理新突破

AI工具已成为大众日常，我们见证了其不断成长，早期我们仅能与它们通过文字交流，心中不禁遐想：若能对图片进行深入思考该多好。

深入研究了众多AI后，试用Kimi，其推理能力令人印象深刻。

当时便想，它的能力能否扩展至多模态，一张图片和一段视频也能进行反思推理，并给出可靠的答案。

Kimi迎来更新，新增了强大的图片识别功能，一试之下，连文字识别也令人惊喜。

Kimi智能助手再次更新！自上次介绍数学版以来不久，Kimi基于此版升级并推出了实用有趣的K1模型，对应产品为Kimi——戴眼镜版！

这个模型能识别复杂的图片内容，进行深入的“数理化解答与逻辑推理”，多项测试超过了OpenAI的o1模型，且在识别手写内容方面表现卓越，能识别各种场景拍摄的图片。

 

 

它的文字识别能力令人印象深刻，Kimi甚至能识别复杂的数学符号，而中文识别则显得更加简单。以下图片为例，它轻松应对。

 

常见的截图工具如PixPin也能进行文字识别，但上半段识别存在困难，且正确率也有待提高。

 

虽然与同类工具相比存在差距，但Kimi并非简单的识别工具！它甚至能对原图文字内容进行修正和“事实检测”，真正实现了对每个像素的分析。

 

这无疑是对OCR工具的降维打击。

除了文字识别，Kimi在问题解答方面也表现出色。

先来做一个简单的图片推理题，在下图中找出规律，选择正确的选项。这是一道公考行测图形推理例题，让我们来挑战一下。

 

对不熟悉这类问题的人来说，可能需要思考一会儿，而Kimi对这个题目进行了详细分析，每一步都给出了详细过程，最终给出了正确答案。

 

 

答案中提到的点：直线和曲线，图形是否封闭，Kimi也有相应的思考。

 

 

 

基础的推理难不倒它，接下来尝试一些需要计算的内容。

 

 

Kimi的回答速度很快，结果也是正确的，而且为了严谨，它三次确认了自己的回答，并思考了其他可能出错的地方。在解题时，我们可以参考Kimi的思路，看看自己的错误反思逻辑是否与它一致。

 

 

这类内容对Kimi来说相对简单。

再来看一个进阶的。

而Kimi在处理代码题目时更是得心应手，在力扣上找到一个题目，直接截屏给Kimi。

 

 

 

关于这个题目的吐槽

 

 

 

Kimi的回答：

 

 

最终结果通过了检验，现在遇到不会的题，就可以让Kimi教你如何解题，顺便学习它的思路。真人击败5%的提交就自黑“很强”了，而Kimi一上手就是77%。

 

 

除了用来解题，日常生活中遇到的各种表格也可以交给Kimi分析。

 

 

像上图这样的问题，大家不要认为太简单，其他AI可能一问一个不吱声。

 

 

这次的Kimi视觉思考版没有任何使用限制，以后大家手中的图片数据都可以交给Kimi解锁更多信息。

从Kimi的更新来看，它更像是在一件事情做到优秀后，再去解锁新的技能，而不是做一大堆都不好用的东西，这让人对后续更强的产品充满期待，比如生成视频和操作软件的工具等等。