11月16日，在Kimi正式上线一周年之际，月之暗面发布了最新数学模型k0-math，在多项基准能力测试中，k0-math的数学能力已经可以与全球领先的OpenAI o1-mini和o1-preview模型相媲美，甚至在中考、高考、考研以及入门竞赛题MATH等4个数学基准测试中超越了它们。

尤其值得一提的是，在业界最常使用的数学能力基准测试MATH中，k0-math模型得分93.8，超过o1-mini的90分和o1-preview的85.5分。k0-math这一成绩在全球仅次于暂未开放使用的o1完全版94.8分。

这是Kimi推出的首款推理能力强化模型，k0-math采用了强化学习和思维链推理技术，这也是Open AI o1系列背后的关键技术。

官方演示显示，k0-math通过模拟人脑的思考和反思过程，显著提升了解决数学难题的能力。即使在经历多次失败后，k0-math也能意识到之前使用了过于复杂的方法，并最终得出正确结果：

“训练这个模型的过程，最重要的是去看它的思路，是不是真正具备深度思考的能力，这一点非常重要。”月之暗面创始人杨植麟表示，对于一些非常难的竞赛题目，k0-math能够提供完整的思路，并在推导过程中不断给出新的思路，展现出强大的推理能力。

k0-math虽然已经展露出不俗的能力，但AI技术仍处于快速迭代中，它还有很大的提升空间。在两个难度更大的竞赛级别数学题库OMNI-MATH和AIME的基准测试中，k0-math初代模型的表现与最好的o1-mini相比尚有15%左右的差距。

杨植麟也指出，在一些过于简单的数学问题上，比如，1+1等于几，k0-math可能会过度思考，接下来的研究重点是让它有更好的泛化能力，能在更多场景中落地使用。

作为国内最受瞩目的AI独角兽，月之暗面此时推出k0-math，不仅仅是一次常规技术发布，更代表了Kimi在技术范式上的一次重大迭代。
“我们接下来会越来越关注基于强化学习（Reinforcement Learning, RL）的方法去‘Scale’。”杨植麟认为，Scaling是支撑AI技术过去几年发展的根本原因，但Scaling并不是简单地把模型做得更大就好，核心是找到有效方法。

这也会带来大量工作，比如，重新平衡好数据、算法和算力。杨植麟表示，以前做Next—Token Prediction，是静态数据，但对强化学习来讲，学习数据可能都是自己生成的，会对奖励模型效果提出挑战，同时还要把奖励模型用到学习过程中，减少学习错误。

好在杨植麟早已预见到，随着训练数据到达上限，推理的比例将远远超过训练，因为需要生成数据，就需要用到强化学习，这是必然会发生的事情。“Open AI o1的变化其实可以预测。”

为此，月之暗面在人才和技术上提前做了储备，这也为Kimi推出数学模型k0-math奠定了基础。今年9月，OpenAI发布首款具有推理能力的模型o1，只用2个月，k0-math就已问世，并即将上线，可见速度之快。

“长文本”让月之暗面一战成名，迈出登月第一步，如今，公司迈出以深度推理能力为标志的第二部。事实上，在云栖大会上，杨植麟就已表示，行业接下来最重要的里程碑是强化学习，新的Scaling范式会形成一些突破机会。

如今来看，新的强化学习技术范式带来的推理能力提升，也将应用到更多日常任务上，而能否让模型在广泛的场景里使用，这是衡量模型市场前景和商业价值的核心。

数据显示，Kimi探索版的搜索量是普通版的10倍，一次搜索可精读超过500个页面。在信息调研和分析场景的搜索问题测试中，Kimi探索版综合性能超过国内外同类产品至少30%。
Kimi探索版在搜索过程中的推理能力显著提升，意图增强、信源分析和链式思考方面的能力显著提升，以链式思考为例，Kimi探索版可以更好地基于思维链推理能力处理产品、公司、行业等研究问题。尤其受到程序员、科学家、咨询顾问、投资人、律师等专业人群的欢迎。