新發布的Kimi K2.5是AI界的“老實人”？——實測后我的4點思考

前幾天，Kimi的朋友神秘兮兮地說：衛老師，我們準備發最新的Kimi K2.5了，來測一測？

說實話，這個年底的確很熱鬧，各家都在整新東西，可惜我一直沒抽出時間，直到今天他們上線了我才開始跑case。

下面咱們就不緊不慢來看一看這些有意思的case以及我個人的幾點思考——

一

在實測之前，我們先來了解一下Kimi K2.5最基本的信息——

它采用原生的多模態架構設計，同時支持視覺與文本輸入、思考與非思考模式、對話與Agent任務，通過約15T混合視覺和文本token進行的預訓練。

來，先跑個分——

可以看到它在 Agent、代碼、圖像、視頻及一系列通用智能任務上取得開源SOTA的表現。

具體而言，在包括HLE、BrowseComp和DeepSearchQA在內的多個極具挑戰性的Agent評測中取得了最佳表現，部分指標超越了最前沿的閉源模型。

這些領先的Agentic的能力讓它可以從容面對復雜任務，KIMIK2.5驅動的Agent集群，能同時調度多達100個Agent分身，并行處理1500個步驟。

在正式的實測之前，我們先來看月之暗面的CEO楊植麟自己的介紹視頻——

二

視覺提升是這次的關鍵。

按官方的說話，Kimi K2.5是一個全能型的統一模型（Unified Model），實現了視覺與文本的統一：

它不再需要外掛插件來看圖，而是天生具備視覺能力，理解圖片和視頻就像閱讀文字一樣自然。

廢話少說，我們還是來一個我之前試過的谷歌DeepMind紀錄片《The Thinking Game》里哈薩比斯結尾的國際象棋case。

我照例上傳了前幾天我和我女兒下的雙馬防御的照片——

可以看到，面對這張意大利開局盤面，K2.5沒掉鏈子。

一眼認出這是雙馬防御的經典局面，直接給出了Ng5的答案：馬跳g5猛攻f7弱點。

這屬于弗里德里希攻擊的起手式，選點很精準。

而且它把道理也講得很明白：f7是黑方王前最軟的格子，只有王在保護，后續還列出了Nxf7棄馬后的連續步驟，說明它理解這個開局的套路，不是瞎蒙。

整個過程反應快，視覺識別很準確，沒把棋子位置認錯，對于國際象棋初學者，這種一眼看穿的能力夠用了。

就這個case來說，Kimi K2.5的視覺識別和推理能力，看得懂、答得準。

我再給它一張我在宜家買的椅子，讓它指導我怎么安裝——

可以看到，K2.5把這張椅子零件圖吃得挺準：一掃就認出是椅子套件，靠背、前后腿、支撐橫梁、軟坐墊、那包內六角螺絲，挨個兒點名。

安裝指導也很實在，沒拽術語，步驟按先腿后靠再裝墊的常識順序來，還特別叮囑螺絲別擰死，留點余量好調。

總體而言很照顧過動手能力參差的用戶，靠譜。

三

我決定給它稍微上點強度。

于是我隨手在手機中找出了去年我看的漢斯·季默（Hans Zimmer）在北京音樂會的現場照片，我問他舞臺上那個穿白色衣服的歌手是誰？

注意，這張照片是我的實拍，比較模糊，像素只有600x800，很難通過面部識別來確定到底是誰？

可以看到，面對這張演唱會現場圖，K2.5沒急著瞎猜，而是先動手搜了圖片——這是聰明的第一步，看不清歌手正臉，與其蒙答案，不如先找線索。

很快，它通過圖片搜索結果確認是Hans Zimmer Live，這時候模型沒停著，腦子已經轉起來了：

背景是《獅子王》的畫面，穿白衣服的人在舞臺中央演唱，大概率是唱《Circle of Life》的那位。

于是馬上追了一輪搜索+思考。

第二輪結果指向了Lebo M，但模型還是沒直接回答——

它又補了一輪驗證，專門搜 Lebo M 的現場照片和身份，確認這位南非老兄確實是《獅子王》主題曲的原唱，而且確實常穿白色非洲服飾登臺。

三輪思考與行動環環相扣，這就是K2.5思維與行動交織的能力（Interleaved Reasoning）：

不是先想十分鐘再一次性搜完，而是搜一點、看一點、想一下再決定下一步干什么。

這種邊想邊做的能力很接地氣——

它知道什么時候該停手（確認是 Lebo M 就收了），也知道什么時候該繼續（光靠圖片搜不出來，得補文字搜索），不死腦筋硬猜，也不過度搜索浪費算力，分寸感剛好。

一句話——Interleaved Reasoning，好使。

四

咱們繼續，這次Kimi K2.5的代碼能力也得到了大幅提升。

Benchmark分數是一回事，實際表現又是一回事，我只相信實測，咱們先來一道經典的——鵜鶘騎自行車的SVG動畫：

“make an animated SVG of a pelican riding a bicycle.”

玩過模型測評的都知道這題挺刁的——對功能和審美的要求都不低。

SVG要做好不簡單，K2.5結果很靠譜，車輪、腳蹬的聯動很流暢，背景云彩還做了視差滾動。

細看的話，鵜鶘握車把的姿態像那么回事，腳踏板帶上下相位差，車座底下還藏著陰影跟著車身一顛一顛，細節控應該很喜歡。。

顏色也不糊弄，天空漸變、柏油路上的速度線全配齊了，當然，還是有點瑕疵的，比如速度線的方向貌似搞反了，但瑕不掩瑜。

作為一個三體迷，每次測試模型網頁能力，我都會下達一個任務——

“做一個以《三體》為主題的網站。”

可以看到，Kimi K2.5 這個 case 表現挺穩的，我總共用三句話迭代了三次。

整個過程，K2.5整理解需求，輸出設計文檔、生成圖片、寫代碼、部署，流程很順。

從結果上看代碼質量可以，TypeScript、React、Tailwind用得熟練，報錯能自己修，交互細節考慮周到，加載動畫、懸停效果都有。

事實上，生成的網頁還可以直接修改，在預覽界面圈選需要修改的地方，用大白話告訴Kimi怎么改，它就能精準調整。

我喜歡它的點在于，這個網站拿捏住了三體冷峻的風格。

深黑背景，不張揚但抓人，留白給得足，看著就安靜、孤獨，跟書里的氣質對味。

人物圖生成得挺準——葉文潔有那種歷經滄桑的決絕，章北海一身軍人硬氣，都貼原著，不是那種網紅臉。

Kimi產品層面也打磨得很好，最實在的是Kimi K2.5 Agent生成的網站能直接部署，流程一條龍走完。

用戶拿到手就是個能打開的網址，不用自己折騰服務器、配環境，這個網站大家可以直接去玩——

（可直接復制訪問https://sk2b45gfnxilo.beta-ok.kimi.link/）

對普通用戶來說，這是實實在在的方便，很多其他產品到出代碼那步就停了，Kimi能推到最后一公里，nice。

更有意思的是，你可以直接上傳圖片和視頻，讓K2.5 Agent照著圖片里或視頻里的樣式來生成網站。

我找了一個交互不錯的網站錄屏給它（https://orbitaix.webflow.io），讓K2.5把上面的三體網站轉化成視頻中的設計。

5分鐘之后，風格復刻就完成了，大伙可以自行對比一下效果：

供K2.5參考的網站case

K2.5復刻后的三體網站

再來看一個更有意思一點的——

創建一個用手勢識別切西瓜的網頁小游戲。

可以看到，Kimi K2.5在這個小游戲開發任務上表現相當扎實。

從需求理解到最終交付，模型展現了完整的工程能力。

我總共提出了6輪修改——包括30秒倒計時調整、水果變大變多、特效炫酷——模型能準確理解并執行，沒有遺漏或誤解。

最終完成度還是很高的，反正我女兒玩了半個小時，下面是網址，大伙可以自己玩一玩——

https://zympv3awn3nay.beta-ok.kimi.link/

攝像頭手勢追蹤流暢，五種水果爆炸效果不錯，連擊系統、倒計時、攝像頭小窗口、分值提示等功能也都有，符合我最初的意圖。

作為單次對話的多輪迭代開發，Kimi K2.5 展現了不錯的需求跟隨能力和代碼組織水平，最終交付物直接可部署、可游玩，實用性強。

這是我復刻的網頁版的Mac OS，里邊的App都能用

五

Kimi K2.5推出了Agent Swarm，也就是“蜂群模式”，簡單來說就是讓一群AI分工協作，并行處理海量任務。

這個功能最厲害的地方在于它能分身，原本得一步步盯著的操作，它能拆解成多個子任務（最多高達1500個），對咱們普通用戶來說，它就是個批量處理神器。

咱們看下面這個任務——

搞金融研究的都知道，查30家公司的季度數據是體力活——得翻公告、算匯率、對口徑，還得盯著港股和A股披露差異。

可以看到，Kimi K2.5面對這個臟活累活展現出實打實的工程能力，先拉清單定框架，再自動切換美股、港股、A股三套數據庫。

碰到滴滴退市這種邊緣案例，也沒瞎編，老老實實標OTC市值。

還有一點難得的是誠實——9家公司市值查不到就寫未找到，15家員工數缺失也不硬湊，每個數字都帶來源腳注。

全程無需人工盯盤，它自己調度搜索、API、Python計算，最后吐出帶引用鏈的Excel。

這種批量作業不串行的路子感覺的確適合做臟活累活，多源數據自動對齊、拿不準就標紅，確實讓復雜的研究簡單很多。

再看披露生成圖片的case——

請用14個不同的藝術家風格，給金庸的14部小說設計14個封面，順序按照“飛雪連天射白鹿，笑書神俠倚碧鴛”排列。

可以看到，Kimi K2.5的批量處理能力確實能打，14張圖分兩次就全搞定了。

第一次7張，第二次7張，銜接順暢，畫質穩定，沒有前面精細后面應付的情況。

這種愿意接活的吞吐量，對實際工作很友好，做系列設計、批量配圖時能省下大量反復調試的麻煩。

整體看，多任務并行這塊Kimi K2.5有兩把刷子。

六

作為行業的觀察者，我并不擅長無死角地測試模型的每一項能力。

我更愿意結合行業演進趨勢，從這些有限的case看一看新模型迭代和突破背后的邏輯。

以下是我測完Kimi K2.5之后的4點思考——

1.KimiK2.5 的這次更新有一種樸素的實用主義取向

我的直觀感覺，Kimi的這次更新更接地氣了，換句話說Kimi K2.5這東西變得越來越像個老實人。

別笑，在AI這個圈子里，老實人是個稀缺物種。

原生視覺、Visual Coding、Agent Swarm、Office Agent，還有開源的Kimi Code，這些東西都指向一個目標——讓你能真真切切地把活兒干完。

給它一張設計稿，擼出一個能用的網頁來，不滿意，圈選就能修改還能一鍵部署上線，是真干活。

Agent Swarm的批量處理也是把模型能力轉化成剛需場景的又一個出手，實打實地干臟活累活。

Office Agent也是這個思路，PPT、Word、Excel都給你優化到位，交付物得有專業審美和結構，不用操心格式問題、排版問題，直接拿來就能用。

這年頭，用戶是識貨的，虛頭巴腦的東西沒有，能不能真正干貨，一上手就知道，這種樸素的實用主義取向對行業是正向風向標。

我想，這也是Kimi敢在國內在C端推出付費套餐的底氣。

2.Kimi這次干了很多最后一公里的活。

什么叫最后一公里？

其實就是直接能用，扔給你一張圖紙讓你自己去蓋房不是最后一公里，直接交給一把鑰匙才是。

Kimi這次做了大量的工作，算是把用戶伺候到位了。

批量搜索、批量下載論文、批量生圖，這些并不性感的工作才是生產力痛點。

對于坐在辦公室里苦逼寫報告的打工人來說，能不能瞬間幫他把100份財報扒下來分析好、PPT和Excel能不能整明白才是關鍵。

這說明Kimi產品經理是真在辦公室里被虐過的，切實地知道打工人的痛。

的確，過去一年AI領域最重要的突破是長時程任務能力(long-horizon capabilities)。

METR的研究顯示，GPT-5、GPT-5.1 Codex Max和Claude Opus 4.5能完成需要人類數小時的任務，而2024年的最佳模型只能完成30分鐘以內的工作，

坦率地講，KIMI這次的上下文長度離Gemini這類頂尖模型還是存在差距的。

但它聰明的地方在于它用Agent Swarm的批量處理很好地解決了很多日常復雜工作的痛點。

這其實也是幫用戶走完最后一公里的努力。

3.視覺是乘法，而不是直觀意義上的加法

KIMI K2.5將視覺能力從外掛插件升級為原生能力，這是從感知到理解的進步，是乘法。

Claude Sonnet 4.5在2025年9月的更新中強調“Vision for computer use”、Gemini 3 Pro強調“multimodal input with real-time reasoning”，行業共識是:原生多模態才是真正的AI Native。

在過去，很多模型處理圖片是先用OCR把字提出來，再丟給大模型，這導致圖表中的趨勢、顏色、空間關系全部丟失。

Kimi2.5的原生多模態保證了不同模態之間的對齊更精準，減少了信息在不同神經網絡模塊傳遞時的翻譯損耗。

而這會解鎖極多的能力，官方的case中有對森林圖 (Forest Plots)等專業圖表的深度解析，說明Kimi K2.5經過了大量專業垂直領域數據的Post-training。

它不僅能讀數，還能理解更復雜的統計學意義（如P值、置信區間）。

這對于金融、科研等依賴圖表數據的行業是非常直接的利好。

4.高帶寬的Context會成為未來模型能力的重要維度

在Kimi官方的case中，有一個讓我印象很深刻——

將演示視頻轉化成編程項目（上傳一段100MB以內的操作視頻，Kimi看懂意圖，復刻出可交互網頁）。

這超越了截圖生成代碼，視頻包含著時間維度的邏輯、交互的動態反饋、甚至是微妙的動效。

某種意義上，視頻等更多元的模態或許成為未來AI開發的通用語言，K2.5驗證了演示即編程的可行性。

如果AI能看懂視頻并生成代碼，這極大地壓縮了軟件供應鏈。

以前是“需求->文檔->設計->代碼->測試”，現在變成了“視頻演示->成品”。

Kimi2.5在這里展現了很強的視覺理解能力，而更重要的是對動態邏輯的捕捉能力，我把這種能力粗淺地理解為最小規模的在線學習。

我堅定地相信，未來Context的帶寬會比現在大很多倍，視頻也僅僅只是其中的一種。

事實上，作為一個模型的人腦，它的Context帶寬其實也是非常高的。

如何在高帶寬的Context下提升效率，是未來每個模型要面臨的實際挑戰。

結語

以前我們總覺得，搞懂復雜的科研圖表或者是批量處理上百份文件，是屬于專業人士的特權，但 Kimi K2.5把這道門檻踏平了。

K2.5就像個眼里有活兒、心里有數的老伙計——聰明、靠譜，我們常說AI要快，但K2.5卻學會了慢下來思考。

好的模型，是潤物細無聲滴，Kimi K2.5，值得一試。

——End——

作者簡介：衛夕，公眾號“衛夕指北”出品人，科技專欄作者，專寫長文，專注剖析AI、廣告、互聯網的底層邏輯；不關注這個賬號，你都不知道你會錯過神馬！