一、从 K2 到 K2.5：开源模型的进化路径
杨植麟开场直接回顾了 Kimi 模型的演进路线——这不是一个单点发布，而是一条清晰的技术阶梯。
六个月前发布的 Kimi K2，是第一个将预训练规模扩展到一万亿参数的开源模型。随后推出的 K2-Thinking，把 Agent 的思考时间（thinking time）拉长到了极致：
"It scaled the thinking time of agents for solving long-horizon tasks. It performed interleaved thinking with tool calling for up to 300 steps — all on its own."
K2-Thinking 的交错思考与工具调用能力，最高可达 222 次连续调用
这个数字是什么概念？大多数 Agent 框架在 10-20 步就开始退化；K2-Thinking 把这个上限推到了 300 步，且全程无需人工干预。
今天的 K2.5，则是把这些能力合而为一——Agent、编码、视觉、通用能力，全部装进一个开源模型里。
二、基准测试：Agent 与视觉双线领先
K2.5 的基准成绩是整个视频里信息密度最高的部分。杨植麟用一张对比图展示了 K2.5 与 GPT-5.2 (xhigh)、Claude Opus 4.5、Gemini 3 Pro 四家的正面碰撞：
K2.5 vs GPT-5.2 / Claude Opus 4.5 / Gemini 3 Pro 全维度基准对比
| 类别 | 基准测试 | K2.5 | 对比 |
|---|---|---|---|
| Agent | Humanity's Last Exam (Full) | 50.2 | GPT-5.2: 45.5 / Claude: 43.2 / Gemini: 45.8 |
| BrowseComp | 74.9 | GPT-5.2: 65.8 / Claude: 57.8 / Gemini: 59.2 | |
| DeepSearchQA | 77.1 | GPT-5.2: 71.3 / Claude: 76.1 / Gemini: 63.2 | |
| Coding | SWE-bench Verified | 76.8 | GPT-5.2: 80.0 / Claude: 80.9 / Gemini: 76.2 |
| SWE-bench Multilingual | 73.0 | GPT-5.2: 72.0 / Gemini: 65.0 / Claude: 77.5 | |
| Image | MMMU Pro | 78.5 | 同级（79.5 / 74.0 / 81.0） |
| MathVision | 84.2 | GPT-5.2: 83.0 / Claude: 77.1 / Gemini: 86.1 | |
| OmniDocBench 1.5 | 88.8 | GPT-5.2: 85.7 / Claude: 87.7 / Gemini: 88.5 | |
| Video | VideoMMU | 86.6 | GPT-5.2: 85.9 / Claude: 84.4 / Gemini: 87.6 |
| LongVideoBench | 79.8 | GPT-5.2: 76.5 / Claude: 67.2 / Gemini: 77.7 |
最引人注意的是 Agent 三项全部登顶：Humanity's Last Exam 50.2 分（比 GPT-5.2 高近 5 分）、BrowseComp 74.9（领先超 9 分）、DeepSearchQA 77.1。这三个基准专门测试模型的长程推理、网页浏览和深度搜索能力——恰恰是 Agent 场景的核心。
编码方面 K2.5 和头部选手基本持平（SWE-bench Verified 76.8），但在视觉和视频维度表现突出，尤其 OmniDocBench 88.8 和 LongVideoBench 79.8 都是同级最高。
三、代码与设计：不只是写代码，还要有审美
杨植麟在这部分强调了一个有意思的差异化定位——K2.5 不只要能写代码，还要有设计感：
"We didn't just want Kimi to code. We wanted it to have an eye for design. It weaves designer-grade websites that flow with grace and visual poetry."
K2.5 生成的设计师级网页效果：Scroll Trigger 动画
视频展示了 K2.5 的视觉理解→代码生成流水线：用户只需上传一段屏幕录制，K2.5 就能从零开始重建，输出干净、专业的代码。
杨植麟在 Moonshot AI 办公室介绍 Kimi Code
与此同时，杨植麟宣布了新产品 Kimi Code——一个独立的编码工具。它支持图片和视频作为输入，并且能自动发现工作环境中已有的 skill（技能包），融入 Agent 的工作流。
四、Office 全家桶：从 10 天到 10 分钟
K2.5 的另一个重要方向是办公场景。杨植麟用了一个很实在的表述——"mastered the core skills of the Office suite"：
K2.5 的 Office 全家桶能力：Word、PowerPoint、PDF、Excel
视频里展示了几个具体场景：构建复杂的财务模型、排版专业级 PDF、制作咨询级 pitch deck。但最打动人的不是单项能力，而是效率跃迁的倍率：
"Tasks that used to take days — like merging 50 different department reports, or turning a 30,000-word paper into a precise pitch deck — now happen in 10 minutes."
将学术论文自动转化为精准的 Pitch Deck
合并 50 个部门报告、三万字论文转 deck——这些真正消耗知识工作者时间的任务，从"天"级压缩到"分钟"级。如果这个承诺能在实际使用中兑现，对白领生产力的冲击比纯编码能力更直接。
K2.5 自动生成的公司分析电子表格（Luma AI 案例）
五、Agent Swarm：从单 Agent 到群体智能
K2.5 发布里最具架构意义的概念是 Agent Swarm——从单个 Agent 升级到 Agent 群体。
"Instead of asking one agent to do everything, K2.5 creates and coordinates a swarm of specialized agents to work in parallel."
K2.5 的 Agent Swarm 架构：数十个专业化角色并行协作
关键设计点：这些专业化 Agent 本质上都是 K2.5 的副本，但被分配了不同的角色和子任务。而且——
"Nothing is predefined. The roles and subtasks are created on the fly by K2.5."
角色和任务不是预定义的，而是由 K2.5 自己动态生成。这意味着面对不同的任务，模型会自行规划分工方案，然后并行执行。杨植麟给了三个具体场景：
| 场景 | 传统方式 | K2.5 Agent Swarm |
|---|---|---|
| 100 家公司市场调研 | 团队周级工作 | 一群分析师 Agent 并行，分钟级完成 |
| 300 页复杂翻译 | 多人协作数天 | 语言学家 Agent 团队协同，快速精准交付 |
| 50 篇论文文献综述 | 研究者数周 | 10 位高级研究员 Agent 并行分析，即时生成综述 |
并行化能力直接缩短了复杂任务的耗时——不是通过让单个 Agent 更快，而是通过数量和分工。杨植麟坦言，要在规模上训练 Agent Swarm 在技术上非常具有挑战性：
"Training the agent swarms at scale is technically challenging. We rebuilt our reinforcement learning infrastructure and optimized the training algorithms to ensure the best efficiency and performance."
Moonshot AI 为此重建了强化学习基础设施。这句话的信息量不小：Agent Swarm 不只是推理时的 prompt 编排，而是在训练层面就做了专门优化——模型本身被训练成擅长协调多个并行任务的"指挥官"。
六、如何体验 K2.5
K2.5 的四个使用入口：kimi.com、Kimi App、Kimi API、Kimi Code
K2.5 开放了四个使用入口：
- Kimi.com — 网页端直接体验
- Kimi App — 移动端应用
- Kimi API (platform.moonshot.ai) — 开发者接口
- Kimi Code (kimi.com/code) — 专业编码工具
杨植麟的结尾简洁有力：
"Go play with it and tell us what you think."
本文基于 Moonshot AI 官方 YouTube 频道发布的产品介绍视频完整转录整理。原视频由创始人杨植麟出镜，时长 3 分 41 秒。原始发布日期：2026 年 1 月 27 日。
视频观看：YouTube · Kimi AI
