实测天工4.0，比肩o1，力压kimi，推理能力大增！

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）。

开箱即用，重点还是免费！

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/

不说废话，先来看一眼交出的成绩单——

Skywork o1在数学基准评测上的表现

Skywork o1在代码基准评测上的表现

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。

老规矩，测一波！

参加的选手：

有测评界的苹果之称：o1 以及 我们国产弄潮儿——kimi。

题目1：数草莓

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。

题目2：未被训练的高考数学真题

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。

正确！

在来看一下o1能否解答出来。

推理过程较长，就不放出来了

同样，回答正确。

再来看一下kimi的表现如何。

kimi只找到两个正确答案，答案应是A，C，D。

题目3：3升水问题

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。

先来看一下Skywork o1的回答。

不负众望，正确。

再来看看o1模型。

不愧是AI推理界的扛把子，同样正确

最后再来看一下kimi的回答：

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...

题目4：数独题

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。

先来看一下是否会难住Skywork o1。

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。

来看看o1表现如何。

还得是o1，回答正确。

最后我们再来看看kimi。

同样也错了。

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：

推理反思能力训练

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。

推理能力强化学习

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。

Q*算法与在线思考

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。

往期文章回顾