Kimi推出k1.5 长思考模型，他眼里的DeepSeek是什么样子？

DeepSeek说实话，的确挺好用的，最近一段时间，用Kimi都少了，晚上偶然打开Kimi，发现Kimi悄然上线了长思考模型，看来是想和DeepSeek学习，也或者是PK。

于是，向Kimi提出一些问题，总体上有两个感受：

一是推理过程看上去有模仿的意味。从文字展现和模式上面，至少前端的展现，和DeepSeek很相似，就像笔者之前说的一样，“像一个啰嗦的老者”。

二是速度的确比DeepSeek快了很多。试图问同样的问题，但是DeepSeek依然是“服务器繁忙，请稍后再试”，或许，Kimi可以在一定程度上，接下DeepSeek的溢出流量。

从效果上来看，在问了几个问题后，发现Kimi的推理和分析，与DeepSeek还是有一定的距离，具体怎么样，等到后面来验证吧。

也有好的地方，Kimi虽然也会展现漫长的推理过程，不过在输出结果的时候，对推理过程做了隐藏，这是比DeepSeek好的地方。

那么，Kimi的长思考模型，和DeepSeek相比，到底怎么样呢？把这个问题喂给了Kimi，输出的结果还是蛮有意思的。

Kimi首先给出了对DeepSeek的评价，Kimi认为，DeepSeek 是一个在人工智能领域备受瞩目的语言模型系列，其在不同版本的发布过程中，逐步加强了对多种任务的处理能力。

他总结了DeepSeek的六个优点：

强大的推理能力：在编码、逻辑和数学方面表现出色，在 MMLU 等基准测试中取得高分。

开源可访问性：该模型在 MIT 许可下发布，允许用户为了商业目的检查和修改代码。

功能丰富：提供模块化功能和反向行逻辑等高级功能，使其适用于复杂的项目。

性价比高：所属公司 DeepSeek 产品以开源为主，其模型训练成本远低于行业主流模型，性价比具有显著优势。

高生成速度：每秒生成 60 个字符（TPS）的速度使得 V3 能够满足对响应速度要求高的应用场景。

本地部署支持：通过 FP8 权重的开源，用户可以在本地部署，降低对云服务的依赖，提升数据隐私性。

也说了DeepSeek的三个缺点：

代码生成表现不稳定：在生成一些相对简单的代码时表现不如预期。

知识引用能力不足：在处理一些需要现代知识引用的复杂测试时，未能达到令人满意的效果。

语言交互问题：使用过程中可能出现中英文思考、输出混乱的问题。

接着，Kimi就开始了自我评价。Kimi k1.5 是由 Moonshot AI 开发的一种尖端多模态 AI 模型，旨在完成各种任务，包括文本生成、图像分析和编码。同样，也列举了自己的6大优点和2个缺点（注意，前文DeepSeek给出了3个缺点）。

Kimi k1.5 的六大优点：

多模态能力：可以跨文本和图像进行处理和推理，用途十分广泛。

增强上下文窗口：凭借 128K 上下文窗口，Kimi k1.5 可以在单个提示中处理大量信息。

高级推理：该模型使用强化学习来随着时间的推移提高其解决问题的能力。

免费且无限制使用：Kimi k1.5 免费提供，没有使用限制，可供广泛的用户使用。

网页搜索能力：支持 100 多个网站的实时网页搜索，确保用户获得最新、准确的信息。

处理多个文件：可以同时处理多个文件，包括 PDF、文档、PPT 和图片，在处理大量数据时非常高效。

Kimi k1.5 的两大缺点：

编码能力有限：虽然具有编码功能，但更适合初学者，生成的代码相对简单，缺乏高级功能。

图像分析能力有限：在某些图像分析任务中，表现不如预期，可能提供不准确或不相关的信息。

然后，给出了一个比较表：

最后，给出了结论：

DeepSeek R1在复杂推理、编码和多语言处理上表现优异，适合开发者和专业用户。

Kimi k1.5 长思考模型在长文本处理、多模态任务和用户体验上更具优势，适合普通用户和研究人员。

两者各有侧重，用户可根据具体需求选择适合的模型。

如果一开头不说这是Kimi输出的结果，你会不会认为是DeepSeek呢？

您认为Kimi的分析和评价客观吗？您怎么看？欢迎留言讨论。

请【点赞】，点【在看】，把文章【转发】给您身边的人，谢谢！