AI帮你省钱省时早已实现，这下帮你赚钱或许也不再是幻想！

最近体验了 Kimi 上线的两个非常不错的新模型，一个是全新的数学推理模型 k0-math ，另一个是加入了搜索增强、信源分析和链式思考的探索版模型。

其实这些功能在前两周就有收到对应的一些报道，但那时候好像还在灰度测试。这两天发现自己也可以体验了，我就结合了我个人的工作、生活场景，来和大家分享下使用体验。

上图是ko-math模型数学能力对标的部分数据，能在数学方面追平O1，可见Kimi的技术团队是真的有点东西的，在这场国内外大模型的竞赛中，Kimi再一次让我对国内的模型更加有信心。

生活&KIMI

通过一段时间的深度体验之后，觉得效果非常的不错，在之前一些模型不容易做到的事情上有实在的提升，之前模型在数学方面之前总是有一些幻觉，没有那么强的推理能力，现在拥有了更好的数学能力，结果上也更可信一些；

下面分享几个我实际使用的案例，带大家感受KIMI的效果~

体验Kimi数学版和探索版的方式：(探索版是全量都可以体验的，数学版本当前官方反馈还在内测中，如果还没有看到数学版模型的同学稍等几天)

1. 在Kimi Web版 (kimi.ai) ，最左侧的菜单栏可以看到一个带着眼镜的图标；

2. 当你鼠标移动上去的时候，可以看到“Kimi数学版”，点击后，如图，就可以开始使用了

预算分配

我有的10000的预算，两个人可以去哪里旅行，时间是5天4晚，国外的目的地哪里更合适，应该如何安排花销，帮我详细的分配下预算？

可以看到Kimi先对旅行费用的构成进行了梳理、在这个基础上根据实际情况，对各项开支做了评估和分配，最后还重新check了下分配，同时针对每一项都给出了清单，省时省力，和实际情况相比，分配的还是挺接近合理的。

其它还可以继续做的是在旅行之后的账单进行汇总统计，可视化展示效果也不错，在整个旅游上都帮到了非常多。

这个功能对于我这样喜欢旅行、想不乱花钱，又不想做攻略的人真的是福音！女朋友再也不会骂我没用了！！！（等等我女朋友在哪里~

投资策略建议

在生活中另外一个和数学接近的就是投资理财了，这里不是建议大家要购买什么，而是在策略上可以看看擅长数学的k0-math模型如何的回答问题。

我想设计一个股票的网格交易策略：当前股票价格为260美元，价格区间在220到300美元之间，最多能设置170个网格。网格数量越多，交易频繁但单次收益低；网格数量越少，交易较少但单次收益更高。能否帮我计算出网格数量和价格区间的设置，以实现收益最大化？

其实对于这次的计算，由于提供的信息相对有限，没有给出完美的一个参数设置

但是计算过程还是给出了一些有价值的建议，在涉及到投资方式的时候，可以问下Ko-math模型，减少自己的拍脑袋想法，如果能提供更多的细节，让K0-math对现实进行数理化建模，避免主观臆断、降低决策风险，收益最大化。

数学教育

当家里有小孩的时候，K0-math也是一个福音，数学向来是学习教育中的一大难点，但是在高考的时候却是重中之重，如今K0-math面对高考数学题，也可以轻松解答。

面对数学题，Kimi不仅能给出标准答案，更能清晰地写出完整的解题推导过程，相比直接搜到答案，授人以鱼不如授人以渔，助力你更加高效的学习。

不管未来的数学教育是否会变化，快速准确的答案，完整的解题过程，交互式的学习体验，都是K0-math这种所擅长的。

当然这里K0-math还有更多可以进步的空间，比如一些空间几何计算题目的时候，对图片关系更精准的识别。期待k0-math模型的持续进化。

用一个Latex格式的高考数学题进行测试（注意对数学题目需要先转成Latex的格式）：

已知集合 , ，则 \item A. \item B. \item C. \item D.

对应的题目如下：

可以发现K0-math，在经过了详细的推到分析之后，给出了正确的答案，这样学生在学习的时候不仅能知道答案，还能学习正确的推导过程。

世纪难题：要不要买健身卡？

除了预算投资、在消费上，是否要明智的消费，我也会让K0-math帮我计算一下，怎么样才能不亏钱... 确实算的非常精明，让我在花钱的时候心里更有数了...

最近正纠结要不要办健身卡这件事。于是我就把这个问题抛给了 k0-math：是否该买年卡？如果健身房单次60元，年卡2000元，我要不要买年卡？怎么买才能不亏

K0-math建议我每年去80次才比较划算... 这样精准的分析，让我对是否办卡有了更清晰的认识...

说实话，这种贴近生活的理性分析特别实用。以前总是靠感觉消费，现在有了这么一位数学模型，花钱真的更有底气了（钱包也更保值了😂）

不开玩笑，我觉得一年去80次我还是有信心的！所以我也真的下单了~ 静待花开

探索版：学习研究

KIMI探索版的优势在于信息收集和处理能力的大幅提升，它能够从海量资料中快速筛选出相关信息，并对其进行系统梳理和深度挖掘，形成结构化、易读易懂的知识体系，极大地提高了学习研究的针对性和效率。

可以看下案例，阅读了482个网页，然后进行问题的针对性回答

关于大模型的慢思考能力，比如OpenAI-O1的推理能力，能给我们的生活带来哪些变化，帮我写一篇严肃的研究报告

未来畅想：让智能无处不在

介绍完了Kimi最新发布的两款模型，配合个人这段时间的体验，我对k0-math数学推理模型和探索版模型的表现感到非常满意。

探索版模型因为它具备海量信息收集和深度挖掘能力。快速筛选、梳理大量资料，生成结构化的知识体系，为学习研究和一些工作场景也给我提供高效助力。

k0-math专注于数学推理特性，在预算分配、投资理财、消费决策这些场景帮我这个生活白痴解决了不少难题。

大家可以想象一下math模型未来还能做啥？根据数据规划城市交通？分析病人生理数据预测疾病发展趋势？亦或是分析天体数据帮助我们探索星辰大海？.......

还可以畅想随着算力成本的不断下降,以及算法、数据的持续积累，Kimi这样的AI助手必将如水电般走入寻常百姓家，渗透到生活的每个角落，让未来充满了无限可能。

好啦各位，今天的分享就到这里，大家可以去Kimi官网亲自体验一下，看看Kimi的数学推理大模型到底如何~

有什么问题，欢迎在文章的下发留言~