Kimi k1.5：继Deepseek R1 后多模态 AI 的新标杆

Kimi 访问地址： https://kimi.moonshot.cn/

在人工智能领域，Kimi k1.5 的发布无疑是一颗璀璨的新星，它以卓越的性能和创新的技术，重新定义了多模态大型语言模型（LLM）的标杆。

一、Kimi k1.5 是什么？

Kimi k1.5 是由 MoonShot AI 研发的最新多模态大型语言模型，它运用了强化学习（RL）技术进行训练，旨在文本、视觉和编码等多个领域的各类推理任务中展现卓越性能。

二、Kimi k1.5 的核心亮点

（一）强化学习（RL）训练

Kimi k1.5 借助强化学习来提升推理能力。与传统依赖静态数据集的模型不同，它能够在探索过程中从奖励机制里学习新知识。通过长上下文扩展和改进的策略优化方法，Kimi k1.5 建立了一个简单而有效的强化学习框架，无需依赖复杂的技术，如蒙特卡洛树搜索、价值函数和过程奖励模型。

（二）长上下文扩展

Kimi k1.5 将强化学习中的上下文窗口扩展到 128k，随着上下文长度的增加，模型的性能持续提升。这是通过使用部分轨迹（partial rollouts）来提高训练效率实现的，即通过重用之前轨迹的大块内容来生成新的轨迹，避免从头开始重新生成新轨迹的成本。

（三）改进的策略优化

Kimi k1.5 采用基于长推理链（long-CoT）的强化学习公式，并使用在线镜像下降算法（online mirror descent）的变体进行稳健的策略优化。此外，还通过有效的采样策略、长度惩罚