AI新星Kimi与DeepSeek发布对决，推理模型创新引发行业热议

作者｜苏霍伊

编辑｜赵健

在科技迅速发展的今天，人工智能（AI）领域的竞争愈发激烈。最近，AI新星Kimi与DeepSeek相继发布了各自的推理模型，这场“中门对狙”的较量引起了业内人士的广泛关注。两者几乎同一时间发布的详尽技术报告，不仅展示了它们在推理模型技术上的创新，也让人们对后续行业发展的可能性产生了无尽遐想。

这场盛会被大家戏称为“AI春晚”，DeepSeek与Kimi的发布是对过去模型的全新升级，均以满血版的o1推理模型为目标。从数学与代码基准测试的分数来看，这两者与之前的类o1-preview模型间的差距显而易见，标志着技术的重大突破。

尽管DeepSeek的R1模型与Kimi的k-1.5模型都以强化学习（RL）为核心设计思路，但在具体的技术路线与模式设计上却各有千秋。知名AI科学家Jim Fan在对比两者的技术报告后，指出它们在某些核心概念上达成了惊人的一致性。例如，两者都不再依赖于复杂的蒙特卡洛树搜索（MCTS），而是选择将思维轨迹进行线性化，进而推进传统的自回归预测。二者还摒弃了对额外模型副本的需求，使得价值函数的计算更加高效。

Kimi与DeepSeek在基本思路上虽相似，却在实施细节、模型架构及训练策略上存在显著区别。DeepSeek采用了AlphaZero的方法，通过纯粹的强化学习导向进行“冷启动”，无须任何人工输入。同时，DeepSeek的模型权重依据MIT许可证进行开源，这一开放态度在行业内体现了它的信心与引领性。

相对而言，Kimi则用AlphaGo-Master的方法，结合即时设计的链条（CoT）跟踪进行轻度的短期微调（SFT）。尽管Kimi选择了闭源的路线，不过此次发布的技术报告则详尽地了训练策略、数据使用及AI基础设施方面的信息，展现出其在推理模型评测中名列前茅的实力。

Kimi的k1.5模型最引人瞩目的是，团队在系统设计上大胆创新，扩展了强化学习的上下文窗口至128k，更有效地提升了训练的效率。该模型通过部分展开技术实现了训练过程的优化，随着上下文长度的增加，其推理能力表现显著提升。Kimi模型的视觉与文本数据联合训练，使得其在多模态推理任务上表现愈发出色，相对于其他传统AI模型，提升幅度高达550%。

Kimi在长短链模型的融合上，也探索出令人耳目一新的Long2Short方案。这一方法成功将长链模型的深度推理能力与短模型的高效响应特点相结合，显著提升了模型在特定场景下的灵活性与实用性。通过这一创新，Kimi的k1.5系列模型在多个基准测试中取得了令人瞩目的成绩，比如在MATH500和AIME测试中，都展现出超越传统短链模型的优异表现。

同时，Kimi的AI基础设施亦十分牢固。为了支持强化学习的“尝试—反馈—改进”循环，Kimi团队在此次报告中详尽介绍了k1.5训练系统的架构及数据流向，该系统的设计灵感来自于训练AlphaGo与AlphaStar的经验。通过引入部分展开技术，Kimi在处理长文本推理时能够有效节省计算资源，提高模型性能。

Kimi与DeepSeek的此次推理模型发布，以及其对行业当前技术瓶颈的突破展示出AI领域的无限潜能。Kimi的技术报告虽然并未开源，但其深入到细节的策略分享会为AI行业带来重要的启示与进步。秉承着创新和开拓的姿态，这两家人工智能新星将引领未来的发展潮流，值得各界期待。