北京 – 人工智能领域再添新军，月之暗面近日正式发布Kimi长思考模型API (kimi-thinking-preview)，旨在通过深度推理能力，帮助用户解决更为复杂的难题。该模型不仅具备多模态推理能力和通用推理能力，更侧重于展现其思考过程，为用户提供更透明、更易理解的解决方案。
Kimi长思考模型API的推出，标志着AI模型在解决复杂问题方面迈出了重要一步。不同于以往的AI模型，Kimi-thinking-preview模型在响应中包含“reasoning_content”字段，清晰地展示了模型在得出结论前的思考过程。这一创新设计，让用户能够了解模型是如何一步步分析问题、推导答案的，从而增强了用户对模型结果的信任感。
月之暗面表示，Kimi-thinking-preview模型擅长解决各种复杂问题，包括但不限于代码问题、数学问题和工作难题。用户可以通过简单的API调用，即可体验其强大的推理能力。
技术细节与使用方法
Kimi-thinking-preview模型可以通过HTTP接口或OpenAI SDK进行调用。以下是使用HTTP接口的示例：
bash
curl https://api.moonshot.cn/v1/chat/completions \
-H Content-Type: application/json \
-H Authorization: Bearer $MOONSHOT_API_KEY \
-d '{
model: kimi-thinking-preview,
messages: [
{role: user, content: 你好}
]
}'
在使用OpenAI SDK时，需要注意以下几点：
- OpenAI SDK的ChoiceDelta和ChatCompletionMessage类型不直接提供“reasoning_content”字段，需要通过
hasattr(obj, reasoning_content)来判断字段是否存在，并使用getattr(obj, reasoning_content)获取字段值。 - 在流式输出（stream=True）的场合，“reasoning_content”字段一定会先于“content”字段出现，用户可以通过判断“content”字段是否出现来识别思考过程是否结束。
- “reasoning_content”中包含的Tokens也受“max_tokens”参数控制，“reasoning_content”的Tokens数加上“content”的Tokens数应小于等于“max_tokens”。
多轮会话的使用
在使用Kimi-thinking-preview进行多轮对话时，思考内容（或称推理过程）不需要放入请求模型的上下文中。
行业影响与未来展望
Kimi长思考模型API的发布，无疑将对人工智能行业产生积极影响。其深度推理能力和透明的思考过程，有望推动AI模型在更多领域的应用，例如：
- 教育领域： 帮助学生理解复杂概念，提供个性化的学习辅导。
- 科研领域： 辅助科研人员进行数据分析和模型构建，加速科研进展。
- 商业领域： 为企业提供智能决策支持，优化运营效率。
随着人工智能技术的不断发展，我们有理由相信，Kimi长思考模型API将在未来发挥更大的作用，为人类社会带来更多福祉。
参考文献
- Kimi开放平台: https://platform.moonshot.cn/
Views: 1