这是苍何的第 475 篇原创！
大家好，我是苍何。
今天，Kimi 带着他的最强模型 K2.5 强势来袭，我也第一时间做了测试，给大家带来一波分享。
这次，K2.5 是一个全能型的统一模型，最大的特点就是视觉、编程、Agent一口气全包。
先来一个省流版预览，K2.5 模型能力提升如下：
支持多模态理解：Kimi 终于补全了多模态的空白，而且一次性支持图片+视频理解。
思考模式切换：同时支持推理和非推理。
前端审美设计能力：个人感觉可以和 Gemini 3 Pro 一战了。
基于 K2.5，Kimi 一口气放出了 4 个产品：
1、开源的 Claude Code——Kimi code：全面支持 Skills，Benchmark 分数高，无需 MCP 即可支持视频输入。
2、Visual Coding：能看图或视频复刻网页，还能做视觉调整，并能一键部署。
3、Agent 集群：智能体军团，可根据任务创建多达 100 个 Agent 分身，并自主分工协作。
4、Office Agent：PPT、Word、Excel 审美和设计能力全面提升。
整体测试下来最大的感受是 K2.5 的 coding 能力提升比较明显，特别是前端审美能力，在一些 case 上甚至还超过 Gemini 3 Pro。
比如，这个是我用 K2.5 一句话复刻的 X 首页：
相对比之下，这是我当时同样的提示词用 Gemini 3 复刻的 X 页面：
可以看到 K2.5 除了复刻页面的每一个元素，甚至连页面中的图片都复刻了，而不是用占位符替代。
我又让它复刻小红书首页，也做的很好。
因为 K2.5 能理解视频，我又上传了一个点击交互的视频，K2.5 能理解视频中的交互，并像人一样能看清每一个交互后的页面，然后复刻。这是我复刻的带有交互的 B 站首页。
我还测试了个 APP 复刻的场景，直接录制了一段操作即刻的视频，然后丢给 K2.5，输入提示词：
复刻视频中的 APP 页面，包括交互，保证 APP 页面可用。
可以看到，复刻的挺不错，视频中的交互，K2.5 理解后并输出成了页面，而且效果相当好，这或许就是 Visual Coding 的魅力所在吧。
然后我又做了个带有手势交互的小游戏，需要唤起摄像头并理解我的手势，来模拟粒子炸开的效果。
K2.5 一次就完成了这个效果，效果相当棒，而且代码开发的速度非常快。
我记得当时 Gemini 3 我做过一个做 macos 操作系统的 case，当时挺震撼的，于是我输入同样的提示词给 K2.5。
同样一次，就出来了这样一个，很不错的效果。
真牛逼，而且整个一次性生成，就简简单单一个提示词，整个的 macos 风格的感觉就都出来了。
硅谷闭源模型不再等于性能的天花板，Kimi K2.5提供了更具性价比的选择。
为了继续捶打，我又做了个实验，把架构图传过去，希望生成可编辑的版本，K2.5 同样完成的非常出色。
然后我对 Agent Swarm 模式进行了测试，说的简单点，这是个 Agent 的军团，能创建无数个分身来帮扶完成复杂的任务。
我输入这样一大串提示词：
请模拟 5 位风格极度反差的知名艺术家或视觉流派，为当代「打工人」设计 5 个系列、每个系列 10 张的微信表情包。
主题是「职场求生记」，我希望看到的不仅是风格不同，
更是对职场情绪的不同维度的解读，比如愤怒、焦虑、躺平、假笑和疯狂可以看到它开始并行调用 5 个 Agent 来帮我生成不同艺术风格的表情包。
表情包图片生成的远比我想象中的快，有智能体军团并行的效率太高了。
这些生成的表情包图片有些确实符合打工人的不同情绪了。
最后我针对 Kimi code 进行了测试，这就更有意思了，在 cli 中 input 图片变得如此丝滑，好像还是第一次。
比如我直接把这张图丢到 cli 终端中，让 K2.5 做下理解。这个是原图：
可以看到把图片拖到 Kimi Code 后，自动带出路径：
Kimi Code 先是调用 ReadMediaFile 这个读取图片和视频文件的 agent 来理解图片。
我看了下官方文档说明，这个 agent 最多能读取 100MB 大小的文件。
之后就给我一份详细的解释，效果不错，整个流程，我都没有调用外部的任何工具，模型自身就具备理解能力，这太舒服了啊。
同样将视频直接丢给 kimi code，也完全能理解。
然后我利用 remotion-best-practices 这个 skills 以及配音 skills，将刚才的视频做一下翻译配音。
这里 skills 有一个分层加载机制，并且会按照以下优先级加载。
其中 Kimi CLI 内置了 2 个 Skills：
- kimi-cli-help
：Kimi CLI 帮助。解答关于 Kimi CLI 安装、配置、斜杠命令、键盘快捷键、MCP 集成、供应商、环境变量等问题。
- skill-creator
：Skill 创建指南。当你需要创建新的 Skill（或更新现有 Skill）来扩展 Kimi 的能力时，可以使用此 Skill 获取详细的创建指导和最佳实践。
最终就出来一个做了中文配音的数字人混剪视频了，效果还是非常 nice 的。
写到这里，虽然测的有点累了，不过人还是相当的兴奋，就像当初熬夜测 Gemini 3 一样。
其实一开始 kimi 的 k2 模型在代码能力上已经表现的相当不错，还跑通了 obsidian 工作流。
这次 k2.5 的表现让人更加振奋，是那种肉眼可见的进步和爽感。
前端审美以及对图片视频的理解能力有了很大提升，特别是在 kimi code 中可以丝滑的不借助外力就可以理解图片和视频还是非常舒服的。
整体测试下来，k2.5 给我带来了不少的惊喜，接下来我也会尝试用它来进行工程化的实践。
也欢迎持续关注苍何，你将获得最新的关于 AI 大模型的一手真实评测。
好啦，感谢你喜欢我的文章，我们下一期见。
热门跟贴