2024数学大模型榜单：K0-Math深度测评与O1对比解析
在京东科技大厦，月之暗面创始人杨植麟正式发布了其数学推理模型 k0-math。该模型在核心数学能力上直接对标OpenAI的o1系列，并同步披露了一项关键运营数据：截至2024年10月，Kimi智能助手的月活跃用户数已超过3600万。
阐述技术路线时，杨植麟将强化学习置于核心位置。他认为，未来的突破点将超越传统的、基于静态数据集的“下一个词预测”（Next-Token Prediction）范式，因为后者难以处理需要复杂逻辑链条的任务。核心在于赋予AI系统深度“思考”的能力，而强化学习是实现这一目标的关键路径。
这类似于解决一道数学证明题：最终答案固然重要，但更具价值的是严谨的解题思路和步步为营的推导过程。这是一个完整的认知链条，而传统预测方法难以有效建模这种链式推理。
为何选择数学作为首要突破领域？杨植麟援引了伽利略的观点——数学是书写宇宙的语言。数学问题结构严谨、定义清晰，且无需与物理世界进行复杂交互，构成了锤炼AI推理能力的理想“沙盒”。OpenAI的o1模型也验证了这一路径的可行性。k0-math正是从数学这一核心场景切入，旨在将其习得的推理能力迁移至更广泛的通用任务中。
具体而言，面对一道高难度竞赛题时，k0-math可能会进行多次、多样化的求解尝试。在历经八九种不同思路的探索后，模型能够融合先前尝试中的有效部分，最终整合出一条正确的解题路径。
性能表现如何？根据公布的基准测试结果，k0-math初代模型的数学能力已与OpenAI o1系列中已公开的o1-mini和o1-preview模型处于同一梯队。在中考、高考、考研数学及包含入门竞赛题的MATH基准测试中，k0-math实现了分数超越。在更高难度的竞赛级题库OMNI-MATH和AIME上，其表现也分别达到了o1-mini最佳成绩的90%和83%。
据悉，强化版的k0-math模型将于未来一到两周内，在Kimi探索版中向用户开放。新版本将重点强化三大能力：用户意图理解、信源深度分析以及链式思考。
从技术实现看，这种深度思考模式带来了新的挑战。在强化学习框架下，模型生成的大量“中间思考过程”数据，其有效性与正确性成为关键。这与处理静态标注数据的传统模式截然不同，对奖励模型（Reward Model）的设计与训练提出了更高要求。核心挑战在于设计更高效的奖励机制，以引导模型尽可能规避无效或错误的推理路径。
这种机制也引发了一个有趣的“过度思考”（Overthinking）现象。例如，当被问及“1+1等于几”时，k0-math可能会启动一整套复杂的推理流程，最终才得出结论“等于2”。杨植麟解释，这源于当前奖励模型未对思考长度进行硬性限制，允许模型自由探索。当然，通过调整奖励模型的结构参数，可以在一定程度上抑制这种冗余思考。
关于用户体验，杨植麟透露，搭载强化版k0-math的Kimi探索版可能会为用户提供自主开关选项。这一设计在早期有助于精准匹配用户需求与算力分配。其背后涉及两项技术考量：一是模型需具备动态分配最优计算资源的智能，如同人类懂得对简单问题无需深思；二是这是一个持续进行成本优化的过程。
展望技术演进，k0-math的推理能力将从数学领域，逐步向物理学、化学、生物医学等更多基础科学场景迁移和泛化。
克制与聚焦：月之暗面的产品哲学
回顾过去一年的发展，月之暗面的产品节奏清晰而稳健：去年同一天，Kimi Chat全面开放服务；今年10月，上线AI搜索功能；直至今日发布k0-math。三个关键节点，恰好构成一个完整的年度周期。
与行业内许多公司的快速扩张策略相比，月之暗面的产品哲学显得尤为克制。杨植麟将这种克制归因于主动的“业务减法”。团队选择聚焦于最接近AGI（通用人工智能）能力上限的核心问题，并追求极致的技术实现。同时，公司始终致力于维持“算力卡”与“顶尖人才”比例的最大化。
尽管去年行业经历了大规模团队扩张，月之暗面至今仍是头部大模型公司中人员最精干的团队，规模控制在200人以内。“我们不希望团队规模过度膨胀，那对创新是致命的。保持团队精干的最佳方式，就是在业务上做减法。”杨植麟坦言，公司早期也曾尝试多产品线并行，短期虽有效果，但最终发现，聚焦单一产品并将其做到极致才是关键。否则，创业公司将丧失其敏捷优势，变得与大型机构无异。
目前，提升用户留存率是Kimi最核心的运营目标。
预训练仍有空间，强化学习引领范式变革
面对当前业界关于缩放定律（Scaling Laws）是否触及天花板的激烈讨论，杨植麟给出了他的判断：预训练技术仍有发展空间，这一空间将在明年被充分挖掘，领先的模型会将预训练规模推向新的极限。
然而，接下来更根本的变革将来自技术范式层面——即强化学习驱动的范式迁移。这本质上仍是一种“缩放”，但方法论已发生根本改变。缩放定律是否存在上限，核心取决于数据的使用效率。过去依赖静态互联网数据的方式相对直接，而现在通过强化学习，结合人类专家的高质量标注（例如，100条精标数据就能产生巨大的杠杆效应），其余部分交由AI自主推理。这种“人类智慧+AI思考”的协同范式，其潜力上限是极高的。