首頁 > 科技要聞 > 科技> 正文

懂股票、愛計劃，體驗完Kimi探索版我回不去了。

差評 整合編輯：太平洋科技 發(fā)布于：2024-10-14 13:59

OpenAI o1 發(fā)布到現(xiàn)在，都快一個月了，但它給 AI 圈帶來的震撼和影響，其實才剛剛開始。

反正圈內(nèi)的不少大佬，直接就給 o1 來了一頓猛猛夸。大模型拆解用戶提問的能力，還有深度思考的能力，已經(jīng)成了大伙們卷的一個新方向。

但與此同時，就像在等《 黑神話 · 悟空 》發(fā)售一樣，不少網(wǎng)友也和差評君一樣猴急，盼著國內(nèi)的大模型們，何時能有類似的產(chǎn)品出現(xiàn)。

也有差友在公眾號后臺，一直私信，表示自個都被 o1 釣成翹嘴了，現(xiàn)在是吃不飽、睡不香，只想在國內(nèi)也用到類似深度思考的功能。

然而這一次，差評君發(fā)現(xiàn)還真有人給整出來了。。。

它便是年初，才剛掀起圈內(nèi)長文本競賽的 Kimi ，而這次他們發(fā)布的 Kimi 探索版，可以模擬人類的推理思考過程，自主分解復雜問題進行深度搜索，還加上了即時反思的功能，幫助用戶完成分析調(diào)研。

更重要的，這次探索版，搜索量達到了普通版的 10 倍，一次搜索甚至可以精讀 500 個頁面。

翻譯一下，以前我們向 AI 提出復雜的提問，得在腦子里把預想的問題人為拆一下，讓 AI 一個一個答。而現(xiàn)在，不僅解放了雙手，還可以一次窮盡更多信源，只需想好問題， Kimi 就會像個分析師一樣來為你服務。

難怪產(chǎn)品負責人說， “ 如果 Kimi 搜不到的信息，大概率用戶也很難自己通過傳統(tǒng)搜索引擎找到答案 ” 。

今天一大早， Kimi 探索版在 PC 端開始了灰度測試，據(jù)說手機端很快就會上。

結果，用戶的火爆很快把 “ Kimi 崩了 ” 送上熱搜。

官方也很快發(fā)了致歉公告，并預告一下大概在周一，探索版的功能就會全量開放。

先給前段時間斷了網(wǎng)的差友們，用幾句話簡單介紹一下 Kimi 的來頭。

這么說吧，差評君愿意把它稱之為國產(chǎn)大模型的一束光，光是在 PC 網(wǎng)頁端，今年以來 Kimi 的月訪問量就從 140 多萬漲到 2400 多萬，增長了 1670 % 。

爆火到他們服務器一度宕機。資本市場，甚至還炒作起了 Kimi 概念股。。。

這次發(fā)布的 Kimi 探索版，某些方面其實和 OpenAI o1 有點類似，那就是會解難題、懂思考了，但差評君覺得，它和 o1 還是有不少差異的。其中最大的不同，便是在使用場景上。

OpenAI o1 主打的，是能回答博士級別的問題，解比如物理、數(shù)學、生物上的難題等等。不過也因為這兒，差評君當時在用上 o1 的第一時間，其實憋了好幾個題目沒敢問。

畢竟 Preview 版本一周只能提問 40 個問題，我生怕問得簡單了，配不上博士級別的模型，浪費了額度。。。

好在差評君靠人脈，找來了好幾位博士，和他們聯(lián)手和砍拿下三雙給 o1 上了一波壓力。當然，最后博士們對 o1 的評價，也是相當高。

而這次 Kimi ，則選擇了另外一條更實用、更接地氣的道路，那就是把思考和拆解問題的勁兒，聚焦在是和咱們普通人更近的生產(chǎn)力場景上，尤其是大學生、上班族們常干的調(diào)研分析類任務。

在體驗了一番之后，我的評價是，如果 AI 也有 MBTI 的話：那它活脫脫就是一個思維和計劃縝密 & 執(zhí)行力強的 J 人。

首先，差評君發(fā)現(xiàn)， Kimi 探索版在解答問題時，真就和人思考時一個樣。

它會拆解長難提問，自己規(guī)劃解答思路，最后分步驟并執(zhí)行任務。

就比如說國慶假期一過，在座的各位巴菲特們，估計股票賬戶里都是一片紅。

差評君給 Kimi 探索版的第一題便是：如果我們在 5 年前，分別花了 10 萬人民幣，買入了比亞迪股票、茅臺股票、還有黃金，現(xiàn)在它們分別價值多少？

說實話，這題對咱們普通碳基生物而言，其實并不復雜，主要就是步驟有點多，得花個小幾分鐘才能算清楚。

而 Kimi 探索版把差評君的問題，成功拆解成了三步：先分別查 5 年前的價格，再查當天的價格，最后計算并制表。

Kimi 也是三下五除二，在一分鐘不到的時間內(nèi)，一步步得出了結果。

差評君也才知道，《 只 》要在 5 年前買入 10 萬人民幣的比亞迪股票，這會兒已經(jīng)價值 70 多萬了。

其實類似的問題，差評君其實也甩個隔壁的 Perplexity 試了試。。。但且不說表格沒畫清楚了，它抓取的五年前的股票和黃金價格，相比實際價格都偏差了不少。

它的表現(xiàn)，我只能說 not even wrong 。

大概清楚了 Kimi 探索版能力的深淺之后，差評君也立馬給 Kimi 上了一波難度。

說實話，出去玩兒的時候，攻略往往是最燒腦和最讓人頭疼的了。

于是我的第二問便是：幫我查詢 9 月北京環(huán)球影城各個游樂項目，在一天不同時段的平均排隊時長，列出表格，再根據(jù)這個設計一條耗費排隊時間最少的游玩路線。

光是看到這個題面，我就感覺自個兒的頭發(fā)在不停地掉。。。

Kimi 則依舊穩(wěn)如老狗，給出了搜游樂項目、搜索平均排隊時長、設計路線這三步走的思考過程，并在閱讀了 53 個網(wǎng)頁后，按步驟來了一波解題。

最后的結果，也還真是井井有條。

相同的問題，差評君也在其他幾款主流的 AI 助手里試了試，而我看到最多的兩個字，卻是 “ 抱歉 ” 。。。

隨后，我也趁熱打鐵，給 Kimi 整上了網(wǎng)上那些讓人抓狂的咨詢機構面試題。

其實這類題目，往往都沒有絕對的正確答案，它們考察的就是應聘者臨場的邏輯思維、數(shù)據(jù)分析、問題解決和溝通表達能力。

大伙們也可以看一看 Kimi 的回答，能不能讓在座的各位面試官們信服。

問題：中國 2023 年的社會用電總量如果都用太陽能發(fā)電，需要多少平米的太陽能板，面積相當于幾個足球場？

問題：如果所有鋼琴都定期調(diào)律，估算一下北京需要多少名全職的鋼琴調(diào)律師？

除了拆解和解決問題的能力，差評君還發(fā)現(xiàn)， Kimi 探索版在信息的大量收集方面，簡直就是啟動了 V8 引擎，突出的就是一個馬力十足，能一次搜索幾十個關鍵詞，閱讀幾百個網(wǎng)頁。

就比如說，諾貝爾獎正在陸續(xù)頒獎中，如果讓一個普通的碳基生物，匯總一下近十年所有諾貝爾物理學獎得主的姓名、生卒年月、還有國籍，并且統(tǒng)計出他們的平均獲獎年齡。

反正看到這活兒，差評腦袋里已經(jīng)出現(xiàn)瀏覽器被幾十上百個網(wǎng)頁塞滿、電腦開始卡頓的畫面了。

而同樣的問題交給 Kimi ，在短短不到 1 分鐘的時間內(nèi)， AI 一次性搜索了幾十個諾貝爾獎得主的信息，并且閱讀了 200 多個網(wǎng)頁，從中匯總出來咱們想要的信息。

最后 Kimi 也是沉著冷靜，給出了計算結果：近十年諾貝爾物理學獎得主的平均得獎年齡，在 75 歲前后。

而 “ 在 2024 年《 財富 》中國科技 50 強企業(yè)中，哪些公司的總部在北京？ ” 這個問題中，差評還發(fā)現(xiàn)了個有趣的現(xiàn)象，那就是 Kimi 正答著題目呢，自個兒就開始反思了。。。

在反思一番后，又補充上了兩個答案。

要是差評君當年高考時，也這么嚴謹?shù)仳炈悖@會兒應該不是個律師就是個醫(yī)生了吧。

另外差評君覺得，其實很多時候，咱們還有很多模糊搜索的需求。

特別是熬夜看球、通宵打游戲了之后，經(jīng)常記性不太好，常常連問題本身都記不太清了。。。

就比如前段時間，差評君想找個數(shù)學家的資料，但他的名字感覺就在我嘴邊，但卻死活想不出具體名字。只依稀記得了幾個特征，那就是：屬于歐洲的一個家族，哥哥、弟弟、父親都是數(shù)學家，他們互相之間還嫉妒彼此。

結果 Kimi 立馬就成功發(fā)現(xiàn)，我要找的是數(shù)學家伯努利，還順帶把他們的 “ 族譜 ” 的都列出來了。

同樣 Kimi 也在答題時，也進入了反思和補充環(huán)節(jié)，給回答又加了億點點細節(jié)。

提問：歐洲有一個家族，哥哥、弟弟、爸爸都是數(shù)學家，他們互相之間還嫉妒彼此，這個家族叫啥名字？展示一下他們各自的成就。

包括有時候記不起具體的公司名，咱只要還記得一些故事和細節(jié)，也能順暢地搜索。

問題：上個世紀有個硅谷公司，做過類似 iPhone 的產(chǎn)品，這個公司叫什么，這個公司的早期員工后來參與了哪些重要公司的創(chuàng)立。

總的來說，綜合體驗一波 Kimi 探索版后，差評君覺得 AI 幫助用戶解決的問題范圍，有了指數(shù)級擴展，真的多了一位可以幫著快速收集、調(diào)研和分析的私人助理。對傳統(tǒng)搜索來說，也是一種顛覆。

說實話，從年初 Kimi 掀起的長文本競賽，咱就不難看出，其實除了那些 Benchmark 分數(shù)、排行榜，普通用戶最在意的，還是大模型到底能給大伙們解決怎樣的痛點。

畢竟有了真正好用的工具，才好在發(fā)現(xiàn)和創(chuàng)造過程中，探索更大的世界。

所以 Kimi 探索版，真的讓我回不去了。

本文來源：差評
差評

網(wǎng)友評論

聚超值•精選

推薦 手機 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
二維碼 回到頂部