在Kimi上线一周年之际，月之暗面召开了一场临时发布会。直到11月16日下午的这场发布会临近，这家公司的创始人兼首席执行官杨植麟还在现场忙着确认幻灯片。
这也是这位31岁的大模型顶流，自成立月之暗面以来为数不多面向媒体进行交流。
Kimi用户数突破3600万，但想要成为超级应用还远远不够
杨植麟透露，Kimi目前每月使用人数已超过3600万。但这对于一款想要成为超级应用的产品来说，还远远不够。
月之暗面的做法是打造更强的模型，以及用更新的算法。
数学推理模型k0-math：对标OpenAI的o1系列模型
杨植麟在发布会上宣布推出新一代模型——数学推理模型k0-math。基准测试显示，该模型的数学能力可对标OpenAI的o1系列模型（o1-mini和o1-preview）。
对AI来讲，不变的一个关键词是Scaling。它并不是简单的把模型做得更大就好，核心是找到有效的方法去Scale。
- 杨植麟
他认为，现在大模型的研究范式已经发生变化，从过去的Next-TokenPrediction（上下文预测）去拓展，转变为越来越多关注基于强化学习的方法去拓展。
这其中的关键就是要让AI具备思考的能力。杨植麟认为，强化学习一定程度上可以让AI学习到思考的能力，并判断思考过程到底是好还是不好，从而持续迭代。
什么样的场景最适合让AI锻炼思考的能力，我们认为是数学场景。这也是月之暗面推出数学模型的原因。
解决数学问题就是一个不断思考的过程，它在这个过程中会断试错，并不需要跟外界进行交互，可以自成体系。
但这一模型还存在不少局限性，对简单的问题会过度思考，如对1+1这样的问题会多次求证计算，显得复杂化和非常谨慎；同时，对不同难度的题目答对的概率也有所不同。
杨植麟表示，这需要减少幻觉，并提高泛化性，将其应用到物理化学、生物医学等学科问题和前沿研究，这是接下来很重要的事情。
在AI搜索上的探索：用强化学习提升推理能力
他还介绍了Kimi在AI搜索上的探索。
把强化学习用在搜索场景，跟探索版相结合，可以提升模型搜索推理能力，能够拓展更多的意图，做链式推理，并能够比较不同的信源。
据了解，k0-math模型和更强大的Kimi探索版，未来几周内将会分批陆续上线Kimi。
回应媒体提问：AI发展范式的变化、ScalingLaw能否延续
在与多家媒体的交流中，杨植麟回应了包括AI发展范式的变化、ScalingLaw能否延续，以及Kimi的核心目标和未来规划。
他认为，ScalingLaw依然还有很高的上限，明年领先模型会做到一个比较极致的阶段。但接下来最重点的是强化学习，它还是Scaling，只是说通过不同的方式去Scale。
今天当Scale差不多的时候，会发现再加更多的算力，并不一定能直接解决瓶颈，核心是因为没有高质量的数据。这时通过算法的改变，让它不会成为瓶颈。
- 杨植麟
在国内大模型都面临技术瓶颈的情况下，会不会拉大差距？杨植麟认为，差距对国内来说有可能是一个好事，预训练不一定可持续，这种情况下创新能力更重要，对我们反而是一个优势。
在产品层面，杨植麟透露，最初尝试过几个产品一块做，后来发现最重要的还是要聚焦，并做到极致，不能把公司变成大厂，否则会对创新有致命性的伤害。
为此月之暗面主动做了减法，从今年初决定聚焦做好Kimi这一款产品。
他表示，Kimi现在最核心的任务是提升留存，不太关注跟豆包等产品的竞争，表示适当的投放是需要的。
杨植麟还透露，目前正在内测多模态功能。AI接下来最重要的是思考和交互这两个能力，但思考的重要性远大于交互。多模态是必要的，但思考会决定上限。
以下是对话精编：
一、谈数学模型：是强学学习的验证，成本会不断下降
提问：这次发的数学模型，离普通用户比较远，怎么看这个功能和用户的关系？杨植麟：数学来讲我觉得是两个方面的价值，第一个，它在教育产品上有非常大的价值，在我们整体流量里也起到很重要的作用。第二个，我觉得它是技术上的迭代和验证，可以把这个技术去放在更多的场景里。
提问：对于新的数学模型，数据会不会成为比较大的挑战？怎么避免过度思考？杨植麟：数据上我觉得它不是一个非常大的挑战，成本在不断下降。在过拟合上，我们先用强化学习的算法，改变一下，同时把大量的数据用进来训练，用量化的方法，然后跟知识规则结合。
二、谈AI发展范式的转变：从上下文预测到基于强化学习
提问：现在大模型行业发生了什么变化？杨植麟：最重要的是范式的转变，之前大模型从GPT-1到GPT-2、GPT-3发展，它的方法论是Next-TokenPrediction，我们现在用了基于强化学习的方法，它是Scaling的另外一个范式。我们更多思考它怎么用，怎么用得更加极致，这是现在阶段我觉得比较重要的事情。
提问：接下来Scaling的路径是什么？杨植麟：Scaling很重要，但Scaling的本质不是说单纯地把模型变大，而是找到有效的方法去Scale。现在
发表评论