Kimi K2.5：视觉 agent 智能
来自 Kimi Blog · 期号 2026-01-27
摘要
Moonshot AI 发布 Kimi K2.5，自称是目前最强的开源模型。 K2.5 在 K2 基础上用约 15T 图文 token 继续预训练，原生多模态，擅长代码与视觉。它能将对话直接生成前端界面，也能通过视频截图重建网站。 最大亮点是自指挥的 agent swarm：模型可动态创建最多 100 个子 agent，并行执行最多 1500 步工具调用，无需预定义角色或流程。相比单 agent 模式，端到端耗时最多减少 4.5 倍。训练采用并行 agent 强化学习（PARL），用分阶段奖励塑造防止串行坍缩和虚假并行。 办公场景上，K2.5 Agent 能端到端处理万字论文、百页文档、带透视表的财务模型等任务。内部评测显示，K2.5 在 AI Office 和 General Agent 两项基准上分别比 K2 Thinking 提升 59.3% 和 24.3%。 K2.5 已上线 Kimi.ai、App、API 和 Kimi Code，提供 Instant、Thinking、Agent 和 Agent Swarm（Beta）四种模式。Agent Swarm 目前对高级付费用户开放免费额度。
深读
导读 Moonshot AI 正式发布 Kimi K2.5，自称是目前最强的开源模型。它在 K2 基础上用约 15T 图文 token 继续预训练，原生多模态，核心亮点是代码与视觉能力，以及一个能自指挥、动态创建最多 100 个子 agent 的并行执行框架。读完能理解 K2.5 在 agent 架构上的关键创新，从单 agent 扩展到自指挥 swarm——以及它在办公、编程等真实任务上的实测表现。 关键信息 - K2.5 在 K2 基础上用约 15T 混合图文 token 继续预训练，原生多模态。 - Agent Swarm 可动态创建最多 100 个子 agent，并行执行最多 1500 步工具调用，相比单 agent 模式端到端耗时最多减少 4.5 倍。 - 训练采用并行 agent 强化学习（PARL），用分阶段奖励塑造防止串行坍缩和虚假并行。 - 内部评测中，K2.5 在 AI Office 和 General Agent 两项基准上分别比 K2 Thinking 提升 59.3% 和 24.3%。 - K2.5 支持 4 种模式：K2.5 Instant、K2.5 Thinking、K2.5 Agent、K2.5 Agent Swarm（Beta）。 逐节讲解 代码与视觉 K2.5 在代码生成上表现突出，尤其是前端开发。它可以将简单对话直接生成完整的前端界面，实现交互式布局和滚动触发等复杂动画。更关键的是，它具备视觉推理能力：通过理解图像和视频，能完成图像/视频到代码的生成以及视觉调试。例如，从一段视频截图重建网站。这种能力来自大规模视觉-文本联合预训练，且随着规模扩大，视觉与文本能力之间的权衡消失，两者同步提升。在内部编码基准 Kimi Code Bench 上，K2.5 在构建、调试、重构、测试、脚本等各类任务上均比 K2 有稳定提升。K2.5 还可配合新推出的开源产品 Kimi Code 使用，支持图像和视频输入，并能自动发现和迁移已有的技能与 MCP 到工作环境中。 Agent Swarm 这是 K2.5 最核心的创新。K2.5 Agent Swarm 作为研究预览发布，标志着从单 agent 扩展到自指挥、协调的 swarm 式执行。训练采用并行 agent 强化学习（PARL）：一个可训练的 orchestrator agent 将任务分解为可并行的子任务，每个子任务由动态实例化的、参数冻结的子 agent 执行。并行执行显著降低了端到端延迟。 训练并行 orchestrator 面临三个挑战：延迟、稀疏且非平稳的反馈；串行坍缩（orchestrator 虽有并行能力却退化为单 agent 执行）；虚假并行（orchestrator 大量创建子 agent 却没有有意义的任务分解）。PARL 的奖励函数由三部分组成：r_parall…