2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

Kimi 发布k1.5思考模型:首个达到o1满血水平的多模态模型,还有完整训练技术报告

发布日期:2025-01-22 07:03:24 浏览次数: 5200
作者:Founder Park

微信搜一搜,关注“Founder Park”

推荐语

Kimi 发布超强 k1.5 多模态模型,性能卓越,训练技术公开,这是小贤看到的关于此模型最好的介绍,没有之一。

核心内容:
1. Kimi k1.5 模型的重磅升级历程
2. 与全球最强模型的性能对比
3. k1.5 模型设计和训练的关键要素

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

1 月 20 日,Kimi发布了k1.5 多模态思考模型。这是继去年 11 月他们发布 k0-math 数学模型,12月发布 k1 视觉思考模型之后,连续第三个月带来 k 系列强化学习模型的重磅升级。
Kimi k1.5的性能,如今已经全面追上现役全球最强模型——OpenAI o1满血版。
具体来说,在Long CoT模式下,Kimi k1.5的数学、代码、多模态推理能力,达到了长思考SOTA模型OpenAI o1满血版的水平。这也是全球范围内,首次有OpenAI之外的公司达到。
而在Short CoT模式下,Kimi k1.5大幅领先GPT-4o 和Claude 3.5的水平。

短COT模式下,数学成绩显著高于GPT-4o和Claude Sonnet 3.5
同时,月之暗面也大方公开了这个满血版o1水平的强化学习模型的训练技术细节。
全文:https://github.com/MoonshotAI/Kimi-k1.5/blob/main/Kimi_k1.5.pdf


01 

简单出奇迹,

首创long2short思维链

扒开Kimi k1.5 25页技术报告,可以清晰看到这款模型的技术创新之处。
当前,基于下一个token预测的语言模型,在计算规模上的扩展,已经得到了有效证明。
但模型Scaling仍受限于可用的数据量,为此,Kimi团队创新性地扩展了强化学习(RL)的应用,开辟出一条全新的路径。
它能够让LLM通过奖励机制进行探索性学习,从而自主扩展训练数据,从而实现计算规模有效扩展。

论文地址:https://github.com/MoonshotAI/kimi-k1.5
以下,是k1.5设计和训练的四大关键要素:

1. 长上下文扩展

2. 改进的策略优化

3. 简化框架

4. 多模态
接下来,我们一起深挖一下这些技术细节吧。

02 

短CoT模型的上下文压缩

与业界普遍采用复杂技术做法不同,Kimi团队选择了一条更为优雅的技术路线——回归第一性原理。
他们证明了,无需依赖蒙特卡洛树搜索、价值函数、过程奖励模型,也能让模型取得卓越的性能。
如上所见,我们已经看到了Kimi k1.5在多个权威基准测试中,取得了显著的突破。
那么,long2short是如何被实现的呢?
Kimi团队认为,可以将长CoT模型的推理先验转移到短CoT模型中,从而即使在有限的测试Token预算下也能提高性能。

模型合并

将长CoT模型和短CoT模型进行合并,除了可以在泛化性上起到积极的作用,还可以提高Token的使用效率。
这种方法通过简单地平均两个模型的权重,将一个长CoT模型与一个短模型结合,得到一个新的模型,而无需进行训练。

最短筛选采样

由于模型对于同一问题生成的响应长度变化很大,因此团队设计了一种最短筛选采样方法。
也就是,先对同一问题采样n次,然后选择最短的正确响应进行监督微调。

DPO

利用长CoT模型生成多个响应样本,然后选择最短的正确解作为正样本,并将较长的响应视为负样本,包括正确但长度是选定正样本1.5倍的较长响应。
这些正负样本对数据集形成了用于DPO训练的成对偏好数据。

long2short强化学习

在标准强化学习训练阶段之后,团队选择了一个在性能与Token使用效率之间提供最佳平衡的模型作为基础模型,并进行单独的long2short强化学习训练阶段。
在第二阶段中,他们应用了「长度惩罚」,并显著减少了最大展开长度,以进一步惩罚可能正确但超出期望长度的响应。

03 

强化学习基础设施

Kimi k1.5系统设计了一种迭代同步的RL框架,旨在通过持续的学习与适应来增强模型的推理能力。
该系统的一项关键创新是引入了部分回滚(Partial Rollout)技术,用于减少计算开销并优化复杂推理轨迹的处理。
如下图3a所示,RL训练系统通过迭代同步的方法运行,每次迭代包含回滚阶段和训练阶段。
在回滚阶段,由中央主控协调的回滚工作节点通过与模型交互生成回滚轨迹,这些轨迹是模型对各种输入生成的响应序列。在随后的训练阶段,训练工作节点访问这些经验以更新模型的权重。
这个循环过程使模型能够持续从其行为中学习,随着时间的推移调整其策略以提升性能。

长CoT强化学习的部分回滚技术

部分回滚(Partial Rollouts)能够通过同时管理长轨迹和短轨迹的回滚,有效地解决处理长CoT特性时的资源分配和效率挑战,进而实现长上下文强化学习(RL)训练的规模扩展。
该技术设定了一个固定的输出Token预算,对每个回滚轨迹的长度进行限制。如果某个轨迹在回滚阶段超过了Token限制,其未完成部分被保存到重放缓冲区,并在后续迭代中继续处理。
此外,由于回滚工作节点是异步运行的,当某些节点处理长轨迹时,其他节点可以独立地处理新的短回滚任务。
如图3b所示,部分回滚系统通过在多次迭代中将长响应分解为多个片段来运行,显著降低了计算开销——系统无需一次性处理整个响应,而是逐步处理和存储片段,从而在保持快速迭代时间的同时生成更长的响应。
部分回滚的实现还提供了重复检测功能。系统能够识别生成内容中的重复序列并提前终止,从而减少不必要的计算,同时保持输出质量。

训练与推理的混合部署

研究者提出了一种用于训练和推理任务的混合部署策略,该策略利用Kubernetes的Sidecar容器共享所有可用GPU,将两种任务协同部署在同一个Pod中。这一策略的主要优势包括:
  1. 促进了资源的高效共享与管理,避免了训练节点因等待推理节点而处于空闲状态(当两者部署在不同节点时)
  2. 通过使用不同的部署镜像,训练和推理可以独立迭代,从而实现更好的性能
  3. 架构并不限于vLLM,还可以方便地集成其他框架

如图4所示,研究者在Megatron和vLLM的基础上实现了这一混合部署框架,从训练到推理阶段不到一分钟的转换时间,反向转换则约为十秒钟。


04 

实验结果

由于k1.5是一个多模态模型,研究者对不同模态的各种基准进行了综合评估。基准测试主要包括以下三类:

  • Text Benchmark:MMLU, IF-Eval, CLUEWSC, C-EVAL

  • Reasoning Benchmark:HumanEval-Mul, LiveCodeBench, Codeforces, AIME 2024, MATH500

  • Vision Benchmark:MMMU, MATH-Vision, MathVista

k1.5长CoT模型

Kimi的k1.5长CoT模型通过长CoT监督微调和视觉-文本联合强化学习,在长距离推理上获得了显著的增强。
评估显示,模型在长上下文中的推理、理解和信息综合能力方面有了显著提升,标志着多模态AI能力的显著进步。

k1.5短CoT模型

Kimi的k1.5短CoT模型集成了多种技术,包括传统监督微调方法、强化学习以及长到短知识蒸馏。
如表3所示,k1.5短CoT模型在覆盖多个领域的多项任务中表现出与领先的开源和专有模型相当或更优的性能。

长上下文Scaling

研究者使用一个中型模型,来研究结合LLM的强化学习的扩展特性。如图5所示,随着训练的进行,模型响应长度和性能准确率同时增加。
尤其值得注意的是,在更具挑战性的基准测试中,响应长度的增长更为陡峭,这表明模型在处理复杂问题时学会生成更详尽的解决方案。
图6表明,模型输出的上下文长度与其问题解决能力之间存在显著的相关性。
最终,k1.5模型的运行能支持128k上下文长度,并在困难的推理基准测试中持续取得改进。

由长到短

研究者重点研究了long2short问题中的Token效率,特别是长CoT模型如何提升短模型性能。
如图7所示,提出的long2short强化学习算法在Token效率方面优于其他方法(如DPO和模型合并)。
值得注意的是,k1.5系列的所有模型(用橙色标记)在Token效率上都优于其他模型(用蓝色标记)。


05 

思考模型,

进入冲刺

可以看到,在多模态推理技术路线上,Kimi又进了一步。
从2024年11月,他们首次推出的数学推理模型K0-math就展现出了在数学领域的领先性。
紧接着一个月后,K1视觉思考模型诞生,不仅继承了K0-math的数学底蕴,更突破性地解锁了视觉理解能力。
这意味着,K1不仅「会算」,还能「会看」——通过理解图片中的信息,并通过逐步推理得出答案。
如今,k1.5又继续向前推进了一步,在多个领域数理化、代码、通用中,刷新了SOTA,甚至能够媲美世界顶尖模型。
下一步,Kimi依旧会发力多模态推理,继续迭代出能够在更多模态、更多领域、具备更强通用能力的Kn系列的模型。
k1.5已经带来了诸多惊喜,还真是有点期待下一代模型的到来。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅