你好，我是郭震
Kimi重磅釋出視覺思考模型K1，衝上第一，如下圖所示：
在初級數理化、高階數理化，全面壓倒O1和Claude3.5 Sonnet模型。
在幾何圖形基準能力測試中，無論入門、初級，還是高階集合圖形測試，Kimi都超越了O1和Claude模型，取得第一名。
Kimi是否有宣傳中說的這麼強大？
下面我來實測Kimi新發的視覺思考模型K1，專挑了4個難度較高的任務，都是需要很強的視覺+推理能力才能解決好的任務。
第一個實測用例，從LeetCode最高hard級題中，再給它加大難度，選擇一道題目描述帶有文字和圖片的：
把上面的截圖扔給Kimi，再在文字框輸入：請用中文回覆此題，並在最後給出Python求解程式碼：
然後點選箭頭所示按鈕：
然後K1秒懂，思考片刻後，便開始解答此題，中間帶有詳細推理過程，牛逼特拉斯。我錄製了一個影片，影片沒有任何加速，全部保持自然進度，一共1分30秒左右 ，感興趣的可以看下：
受限於公眾號GIF幀數和內容數限制，這是Kimi思考過程開始部分的GIF動圖：
複製如下所示K1生成的程式碼到LeetCode裡，我們檢驗下這版程式碼是否能夠一次性透過：
classTreeNode:def__init__(self, x):self.val = xself.left = Noneself.right = NoneclassSolution:defminCameraCover(self, root: TreeNode) -> int:self.cameraCount = 0defminCamera(node):ifnotnode:return2# 0: No camera, 1: Camera, 2: Covered left = minCamera(node.left) right = minCamera(node.right)if left == 0or right == 0:self.cameraCount += 1return1# Place camera here elif left == 1or right == 1:return2# Covered by child cameraelse:return0# No camera neededif minCamera(root) == 0:self.cameraCount += 1returnself.cameraCount這是複製到LeetCode後截圖，然後提交submit這版程式碼：
這版程式碼不僅一次被透過（紅框Accepted所示），而且
擊敗了100%的程式碼
：這真是用實力碾壓了一眾全球程式設計師，還真是蠻
驚豔：
K1思考模型是如何做到的？我們再回到它的回答過程中，可以看到推理過程極其詳細，它會自我反思，自我修正，自動調整。
第二個實測用例：一張Web截圖直接轉程式碼
前端設計看起來容易，但是真正設計過的朋友都懂，做出一個協調美觀的還是需要來回調整。最簡單的一個方法就是模仿別人的設計介面。有了K1視覺思考模型，擷取下面這張圖，放到Kimi裡，直接得到對應html程式碼：
下面是Kimi根據Web介面截圖和一句提示詞，生成介面程式碼的推理過程，影片無加速推理思考時長大約50秒：
我拿著生成的html程式碼，執行後得到如下圖所示的Web介面，和輸入介面雖然沒有達到與輸入Web介面一模一樣，但是基本的頁面風格比較相似，缺失的幾個圖示可以手動補充，肯定比從零開發要快很多了：
第三個實測用例：
一個數據分析圖直接轉程式碼
除了能轉化頁面為程式碼，我們日常看到的資料分析圖，再也不用眼饞他們的了，只需要擷取一個圖，放到K1裡，告訴它生成Python程式碼，一鍵生成出來：
下面是Kimi根據視覺化截圖和一句提示詞，生成介面程式碼的推理過程，影片無加速推理思考時長大約60秒：
根據生成的程式碼，我複製過來儲存為py指令碼，直接執行後得到如下氣泡圖。看到能夠生成與輸入相同型別的圖形，並且有幾分相似，程式碼一次能夠執行透過，我相信已經達到很多人的要求了。
第四個實測用例
：一鍵解讀論文結果圖
論文文獻裡也好，日常看的圖片也好，比如下面8幅圖，論文作者想要傳達什麼含義，如果一時沒看懂，直接截圖一下，扔給K1，
就這個圖，如果叫我去解析，沒有個二三十分鐘是肯定完不成的，但是K1幾乎秒懂，推理過程45秒：
建議感興趣的閱讀上面推理過程，K1準確分析了論文6個子圖說明的問題，還最後做了如下的詳細分析：
其他的科學問題，數理化問題，生活問題，截個圖，提問K1，就好了。
新發模型K1使用方法
從哪裡進入Kimi視覺思考模型？
如下圖所示，進入Kimi.ai官網後，點選
戴眼鏡的Kimi
：
認準戴眼鏡的Kimi圖示
然後螢幕中上區域開始出現這樣的會話區域：
輸入圖片，再適當寫一句提示詞，K1瞬間讀懂圖片中的複雜資訊。
最後總結
本文我實測了四個很具挑戰性的任務，結果表明眼鏡版K1在視覺推理方面的硬核表現，能讀取圖片裡的每一幀，並給出中間詳細推理過程，模型表現確實夠硬。
希望透過本篇使用教程，讓朋友們及時瞭解到最新大模型，並將它應用到你的日常工作和學習中，用好了，效率指定是提速的。
最後說一句，Kimi新發的這個眼鏡版K1模型，免費使用。使用方法如下三種，或者點選文章最後的閱讀原文：
網頁：kimi.com
APP：Kimi智慧助手
小程式：微信搜尋“Kimi智慧助手”
以上全文2116字，15圖，4個錄屏影片。如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個
，謝謝你看我的文章，我們下篇再見！
，謝謝你看我的文章，我們下篇再見！