能解竞赛数学、写出能跑代码的聊天机器人，早已不是新闻。真正有意思的是：一家实验室能用多低成本抵达那个水平，又用了什么花招。
中国实验室月之暗面（Moonshot AI）在 2025 年初放出一款模型，和 OpenAI 的 o1 同处一档推理层级。值得细看的不是分数榜，而是配方：团队说他们抵达这一档，靠的是几乎人人以为必不可少的三种技术之外的更简路线。
一、它到底是什么
Kimi k1.5 是月之暗面 2025 年 1 月 20 日发布的多模态大模型，用强化学习训练。长链思维设定下，它在 AIME 2024 拿 77.5、MATH-500 拿 96.2、Codeforces 进入第 94 百分位——技术报告称与 o1 持平。更短的快设定（AIME 60.8、MATH-500 94.6）在同样基准上比 GPT-4o 和 Claude Sonnet 3.5 最多高出 550%。月之暗面把完整配方写进开放技术报告（arXiv:2501.12599），让它成为少数公开方法的 o1 级努力之一。
二、一个会读图的推理模型
它被描述成文本和视觉都训练过的多模态大模型，能对图像和文字一起推理。发布时它属少数能接收图像输入的推理模型——同期 o1 预览版还只处理文本。论文报告 MathVista 74.9、MMMU 70.0。
三、配方：拉长上下文，简化循环
技术报告点出两点。一，长上下文缩放：把强化学习训练上下文窗口推到 128k token，并随长度增加持续改进。让它便宜的诀窍叫"部分回滚"（partial rollouts）——复用上段轨迹一大块而非重生成，压低长推理代价。二，改进策略优化：推导出长思维链下的强化学习公式，用在线镜像下降变体，加采样策略、长度惩罚和数据配方调参。最关键的说法是：不靠蒙特卡洛树搜索、不靠价值函数、不靠过程奖励模型也能拿强结果。它在月之暗面基准外是否成立，正是独立团队在检验的。
四、"长变短"才是实用的部分
和 o1 持平的标题分数来自长链设定。更有用的贡献是"长变短"（long2short）：用长链模型生成紧凑推理轨迹，再微调短链变体。结果是 AIME 60.8、MATH-500 94.6、LiveCodeBench 47.3，跑起来便宜得多，仍比 GPT-4o 和 Claude Sonnet 3.5 最多高 550%。短链变体是消费者 Kimi App 处理日常提问的默认版本。
开源与闭源之间的选择
大模型厂商在自己留着用和放出来建生态之间，一直在做权衡。开放权重能吸引开发者和研究者，把模型塞进更多真实场景，反过来喂回反馈；代价是商业护城河变浅。Kimi 这类选择，本质上是在用生态换速度，赌的是应用层先跑起来的人能赢。
赛道共识在转移
回看这两年国内大模型公司的节奏，一个明显趋势是：谁先把模型做成能接住开发者的平台，谁就更容易在应用层占到坑。Kimi 过去靠长上下文和搜索式问答打出差异化，这一代把重心往推理和智能体能力上移，说明赛道共识正在从参数大转向真能办事。对普通用户而言，这种竞争最直接的受益是，免费可用的能力天花板在肉眼可见地上抬。当然，发布材料里的能力，最终要由真实任务来兑现，尤其是多步推理和长文档处理这类最容易露怯的场景。
诚实的局限
本文倚重月之暗面技术报告（arXiv:2501.12599）及人民日报、新华财经对发布日期和"继 OpenAI 之后第二家抵达此水平"说法的报道。基准数字由公司报告；外部复现大体吻合排名，但随解码设置和提示词略有出入。我们未重跑基准。与 o1 对比用 OpenAI 2024 年底至 2025 年初公布数值，是快速移动基线。与最新闭源模型的能力差距每月在变，请把具体数字看作趋势标记，而非当下分数榜。
普通人现在能做什么
- 用推理模型做开发，默认选高价 API 前先通过 Kimi OpenPlatform 试 k1.5 短链设定——每解一题成本往往低一个数量级。
- 某实验室声称"o1 级"时，看清哪个基准、哪个设定；长链与短链分数相差悬殊。
- 多模态任务（图表、截图、示意图），直接用能看图说话的推理模型做原型，而非先把图预处理成文字。