模力方舟平臺現(xiàn)已上線來自月之暗面（Moonshot AI）發(fā)布的全新開源旗艦模型Kimi K2.5。

Kimi K2.5在原有 Kimi K2 的基礎上，進行了大規(guī)模繼續(xù)預訓練，覆蓋約 15 萬億（15T）圖像和文本混合 token，構建了一個原生多模態(tài)、具備智能體調度能力的基礎模型。

原生多模態(tài)架構：統(tǒng)一視覺與語言

K2.5 不再是單純的對話模型，它內建視覺理解機制，能夠同時處理高精度圖像、視頻、布局、復雜文檔甚至 UI 截圖等輸入，并與語言編碼緊密交互。

K2.5 可將圖像或視頻內容轉換為結構化的代碼輸出，支持完整的前端生成、圖像調試與組件生成等任務，是開源陣營中少數具備「視覺驅動代碼生成」能力的模型之一。

Agent Swarm：自組織智能體集群并行執(zhí)行

Kimi K2.5引入了全新的 Agent Swarm（智能體集群）機制。不同于傳統(tǒng)單 Agent 或靜態(tài)拆分子任務的方法，K2.5 能夠：

• 自動分析復雜指令并拆分成并行子任務

• 調度最多 100 個子智能體（sub?agents） 同時工作

• 在內部管理最多 1500 次工具調用（tool calls）

• 與單一智能體執(zhí)行相比，整體執(zhí)行時間可縮短 約 4.5 倍

這一過程無需用戶手動指定子智能體或完整流程，智能體集群在模型內部自動創(chuàng)建和協(xié)作調度，這是 K2.5 相較前代的關鍵架構性突破之一。

Agent Swarm 是怎么訓練出來的？

Kimi K2.5的 Agent Swarm 能力并非依賴固定規(guī)則或流程模板，而是通過一種名為 Parallel-Agent Reinforcement Learning（并行智能體強化學習） 的方式訓練而成。

訓練中，模型自身作為協(xié)調器，在模擬環(huán)境中動態(tài)生成子智能體、執(zhí)行并發(fā)子任務，并根據任務完成質量與效率獲得獎勵反饋。為避免退化為串行執(zhí)行，訓練采用階段式獎勵機制：早期鼓勵更高并發(fā)，后期強調最終完成質量。

隨著訓練推進，模型能自主學會在準確性和并發(fā)性之間動態(tài)取舍，實現(xiàn)真正的任務分解與協(xié)作執(zhí)行。

編碼與視覺聯(lián)合能力明顯提升

K2.5 能根據簡單自然語言指令生成完整前端界面，包括豐富布局和動畫效果；能分析視頻或圖像內容并自動構建對應代碼實現(xiàn)。

這一協(xié)同能力源于大規(guī)模圖文聯(lián)合訓練，使視覺理解和代碼生成過程語義一致、結構對齊。這使得復雜軟件工程、UI 重構、圖像到代碼等現(xiàn)實場景下的生產力提升更顯著。

向專業(yè)級任務延伸：辦公與生產力場景

K2.5 的智能體群體機制和多模態(tài)理解能力也顯著擴展了其在辦公場景的落地潛力：

• 支持在自然語言提示下自動生成 Word、Excel、PDF、幻燈片等結構化辦公成果

• 可完成從表格建模、公式書寫到長文寫作的完整鏈路

• 在官方內部 Office Benchmark 與多步 Agent Benchmark 中，K2.5 相比前代模型分別提升 59.3%、24.3%

官方評測數據顯示，Kimi K2.5 在多個關鍵任務上已對標甚至超越封閉模型，尤其在智能體調度、編碼任務、多模態(tài)理解等方面展現(xiàn)出極高性價比：

• Agent 能力 ：在 HLE-Full、BrowseComp、DeepSearchQA 三項 Agent benchmark 上大幅領先

• 多模態(tài)理解 ：在 MathVision、OmniDocBench、VideoMMMU 等任務中展現(xiàn)領先圖文理解與視頻分析能力

• 編碼能力 ：在 SWE-Bench Verified 和 Multilingual 雙任務中性能與 GPT-4 Turbo 接近

同時，Kimi K2.5 的執(zhí)行成本遠低于同類商用模型，結合「Agent Swarm」機制下的并發(fā)效率提升，在三項主力 benchmark 中分別實現(xiàn)：

• HLE：節(jié)省 10.1×

• BrowseComp：節(jié)省 2.1×

• SWE-Verified：節(jié)省 3.1×

Kimi K2.5已正式上線模力方舟，無論是探索前沿 Agent 技術，還是在真實生產環(huán)境中部署高效多模態(tài)模型，模力方舟都提供了開箱即用的接口與多種資源支持。

訪問入口：

https://moark.com/serverless-api?model=Kimi-K2.5