這是蒼何的第 475 篇原創(chuàng)！

大家好，我是蒼何。

今天，Kimi 帶著他的最強(qiáng)模型 K2.5 強(qiáng)勢來襲，我也第一時間做了測試，給大家?guī)硪徊ǚ窒怼?/p>

這次，K2.5 是一個全能型的統(tǒng)一模型，最大的特點就是視覺、編程、Agent一口氣全包。

先來一個省流版預(yù)覽，K2.5 模型能力提升如下：

• 支持多模態(tài)理解：Kimi 終于補(bǔ)全了多模態(tài)的空白，而且一次性支持圖片+視頻理解。

• 思考模式切換：同時支持推理和非推理。
  

• 前端審美設(shè)計能力：個人感覺可以和 Gemini 3 Pro 一戰(zhàn)了。

基于 K2.5，Kimi 一口氣放出了 4 個產(chǎn)品：

1、開源的 Claude Code——Kimi code：全面支持 Skills，Benchmark 分?jǐn)?shù)高，無需 MCP 即可支持視頻輸入。

2、Visual Coding：能看圖或視頻復(fù)刻網(wǎng)頁，還能做視覺調(diào)整，并能一鍵部署。

3、Agent 集群：智能體軍團(tuán)，可根據(jù)任務(wù)創(chuàng)建多達(dá) 100 個 Agent 分身，并自主分工協(xié)作。

4、Office Agent：PPT、Word、Excel 審美和設(shè)計能力全面提升。

整體測試下來最大的感受是 K2.5 的 coding 能力提升比較明顯，特別是前端審美能力，在一些 case 上甚至還超過 Gemini 3 Pro。

比如，這個是我用 K2.5 一句話復(fù)刻的 X 首頁：

相對比之下，這是我當(dāng)時同樣的提示詞用 Gemini 3 復(fù)刻的 X 頁面：

可以看到 K2.5 除了復(fù)刻頁面的每一個元素，甚至連頁面中的圖片都復(fù)刻了，而不是用占位符替代。

我又讓它復(fù)刻小紅書首頁，也做的很好。

因為 K2.5 能理解視頻，我又上傳了一個點擊交互的視頻，K2.5 能理解視頻中的交互，并像人一樣能看清每一個交互后的頁面，然后復(fù)刻。這是我復(fù)刻的帶有交互的 B 站首頁。

我還測試了個 APP 復(fù)刻的場景，直接錄制了一段操作即刻的視頻，然后丟給 K2.5，輸入提示詞：

復(fù)刻視頻中的 APP 頁面，包括交互，保證 APP 頁面可用。

可以看到，復(fù)刻的挺不錯，視頻中的交互，K2.5 理解后并輸出成了頁面，而且效果相當(dāng)好，這或許就是 Visual Coding 的魅力所在吧。

然后我又做了個帶有手勢交互的小游戲，需要喚起攝像頭并理解我的手勢，來模擬粒子炸開的效果。

K2.5 一次就完成了這個效果，效果相當(dāng)棒，而且代碼開發(fā)的速度非?？?。

我記得當(dāng)時 Gemini 3 我做過一個做 macos 操作系統(tǒng)的 case，當(dāng)時挺震撼的，于是我輸入同樣的提示詞給 K2.5。

同樣一次，就出來了這樣一個，很不錯的效果。

真牛逼，而且整個一次性生成，就簡簡單單一個提示詞，整個的 macos 風(fēng)格的感覺就都出來了。

硅谷閉源模型不再等于性能的天花板，Kimi K2.5提供了更具性價比的選擇。

為了繼續(xù)捶打，我又做了個實驗，把架構(gòu)圖傳過去，希望生成可編輯的版本，K2.5 同樣完成的非常出色。

然后我對 Agent Swarm 模式進(jìn)行了測試，說的簡單點，這是個 Agent 的軍團(tuán)，能創(chuàng)建無數(shù)個分身來幫扶完成復(fù)雜的任務(wù)。

我輸入這樣一大串提示詞：

請模擬 5 位風(fēng)格極度反差的知名藝術(shù)家或視覺流派，為當(dāng)代「打工人」設(shè)計 5 個系列、每個系列 10 張的微信表情包。
主題是「職場求生記」，我希望看到的不僅是風(fēng)格不同，
更是對職場情緒的不同維度的解讀，比如憤怒、焦慮、躺平、假笑和瘋狂

可以看到它開始并行調(diào)用 5 個 Agent 來幫我生成不同藝術(shù)風(fēng)格的表情包。

表情包圖片生成的遠(yuǎn)比我想象中的快，有智能體軍團(tuán)并行的效率太高了。

這些生成的表情包圖片有些確實符合打工人的不同情緒了。

最后我針對 Kimi code 進(jìn)行了測試，這就更有意思了，在 cli 中 input 圖片變得如此絲滑，好像還是第一次。

比如我直接把這張圖丟到 cli 終端中，讓 K2.5 做下理解。這個是原圖：

可以看到把圖片拖到 Kimi Code 后，自動帶出路徑：

Kimi Code 先是調(diào)用 ReadMediaFile 這個讀取圖片和視頻文件的 agent 來理解圖片。

我看了下官方文檔說明，這個 agent 最多能讀取 100MB 大小的文件。

之后就給我一份詳細(xì)的解釋，效果不錯，整個流程，我都沒有調(diào)用外部的任何工具，模型自身就具備理解能力，這太舒服了啊。

同樣將視頻直接丟給 kimi code，也完全能理解。

然后我利用 remotion-best-practices 這個 skills 以及配音 skills，將剛才的視頻做一下翻譯配音。

這里 skills 有一個分層加載機(jī)制，并且會按照以下優(yōu)先級加載。

其中 Kimi CLI 內(nèi)置了 2 個 Skills：

• kimi-cli-help

  ：Kimi CLI 幫助。解答關(guān)于 Kimi CLI 安裝、配置、斜杠命令、鍵盤快捷鍵、MCP 集成、供應(yīng)商、環(huán)境變量等問題。

• skill-creator

  ：Skill 創(chuàng)建指南。當(dāng)你需要創(chuàng)建新的 Skill（或更新現(xiàn)有 Skill）來擴(kuò)展 Kimi 的能力時，可以使用此 Skill 獲取詳細(xì)的創(chuàng)建指導(dǎo)和最佳實踐。

最終就出來一個做了中文配音的數(shù)字人混剪視頻了，效果還是非常 nice 的。

寫到這里，雖然測的有點累了，不過人還是相當(dāng)?shù)呐d奮，就像當(dāng)初熬夜測 Gemini 3 一樣。

其實一開始 kimi 的 k2 模型在代碼能力上已經(jīng)表現(xiàn)的相當(dāng)不錯，還跑通了 obsidian 工作流。

這次 k2.5 的表現(xiàn)讓人更加振奮，是那種肉眼可見的進(jìn)步和爽感。

前端審美以及對圖片視頻的理解能力有了很大提升，特別是在 kimi code 中可以絲滑的不借助外力就可以理解圖片和視頻還是非常舒服的。

整體測試下來，k2.5 給我?guī)砹瞬簧俚捏@喜，接下來我也會嘗試用它來進(jìn)行工程化的實踐。

也歡迎持續(xù)關(guān)注蒼何，你將獲得最新的關(guān)于 AI 大模型的一手真實評測。

好啦，感謝你喜歡我的文章，我們下一期見。