实测天工4.0，比肩o1，力压kimi，推理能力大增！
创业
2025-01-08 23:43
广东
作者｜子川
来源｜AI先锋官
原以为2025年刚开始，各大模型厂商还在休养生息，没想到天工打响了第一枪。近日，昆仑万维突然就发布了 「天工大模型4.0」o1版（Skywork o1）与4o版（Skywork 4o）。目前，这两款模型已正式登陆昆仑万维旗下天工web与APP，全面向用户开放。传送门：https://www.tiangong.cn/![]()
![]()
从官方放出的榜单不难看出，在数学、代码基准测试中，Skywork o1的能力要优于国产模型，看起来不如o1-mini。大家都知道，官方发出来的榜单只能信一半，是骡子还是马，得拉出来来溜溜才知道。 有测评界的苹果之称：o1以及我们国产弄潮儿——kimi。这道题，大家并不陌生，每逢测试，必选题，但是绝大部分的模型都拜倒在这道题下，我们来看一下Skywork o1表现如何。居然答对了，要知道这道题在小编的印象中好像就o1回答正确过，想不到Skywork o1也回答正确了，好像有点意思了。这不，2025年初了，高三年级也陆陆续续的开始了摸底测试，刚好拿来测试用。最重要的是，新鲜出炉的真题，大概率还未当做训练数据。![]()
郑州一中数学摸底开始最后一道选择题
先来看一下Skywork o1的回答如何。
![]()
![]()
假设有一个池塘，里面有无穷多的水。现有 2 个空水壶，容积分别为 5 升和 6 升。问题是如何只用这 2 个水壶从池塘里取得 3 升的水。![]()
![]()
看这次kimi能否顶住压力。回答错误，它把6升水壶中的水倒掉一半，就变成3升了...众所周知，数独题一直是大模型的拦路虎，不知多少AI模型倒在数独题之下，刚好，用来测一下。折戟了，回答错误，最后一列居然冒出相同的数字，再来看看另外两位选手的表现如何。这几道题，虽然没有基准测评那么全面，但可以很直观的让大家感受到彼此的差距。最后不得不说，天工的推理能力真的提升了不少，虽说还比不上o1，但是国产AI模型的第一梯队还是稳稳的。随后小编还去扒了一下Skywork o1的技术路径，果然变强都是有原因的。根据官方透露，Skywork o1变强的核心在于这三大技术迭代：天工团队研发了多智能体体系，并建立了一套涵盖数学、代码、常识和伦理的高质量分步推理与反思数据集。通过强化监督学习与拒绝采样，从而提升了模型在长思考任务中的一致性和准确性。新的 Skywork-PRM（Process Reward Model）在奖励模型中加入了分步推理激励，使模型能在数学、逻辑、日常对话等不同场景中进行更细致的评估和自动纠错，从而实现多种场景的推理能力覆盖。这是Q*算法首次被应用到全球的大型语言模型中。它将多步思考看作一种有策略的搜索方式，帮助模型像人类深思熟虑一样回答问题，并以树状结构呈现。这种方法不仅减少了无用的输出，还能在处理复杂问题时合理分配资源，使Skywork o1在解决难题时更快、更准确。昆仑万维在过去一年的发展可谓硕果累累。不仅在模型研发方面展现出了强劲实力，更是构建起了一个全方位的AI生态版图：AI音乐（SkyMusic）、AI搜索（天工AI助手），到AI游戏（《Club Koala》）与AI短剧（SkyReels）。似乎，已经迫不及待得要在AI场乘风破浪，大展拳脚了。
扫码邀请进群，我们带你一起来玩转ChatGPT、GPT-4、文心一言、通义千问、讯飞星火等AI大模型，顺便学一些AI搞钱技能。
![]()
![]()
![]()
