现在的 AI 大模型，越来越像是一个许愿机了。

人类想要，人类得到。

不管是让 AI 写首小诗，还是让 AI 来帮我们点个外卖，还是直接做些游戏。。。

大模型能做到的事情越来越多。

甚至可以让它根据你的需求，直接帮我们定制一个独一无二的应用出来。

而今天，Kimi 开源的新模型 Kimi 2.5，再次把大模型干活的能力推到了一个全新的高度。

能帮你干活的不再只是单个的 AI agent 智能体，而是一群 Agents。

光看跑分测试就能发现，Kimi 这次更新的模型，完全就是冲着解决 “怎么让 AI 能更好地干活” 这个问题去的。整个评测指标的设计，也明显围绕着实际生产力展开。

不仅在 Agent 测试，也就是模型动手干活的能力测试里全面领先，而且同时在写代码、图片识别、视频理解这三个方面全面开花，作为一个开源模型，能和 GPT、Claude、Gemini 这些顶尖的闭源模型打个有来有回。

在大模型真刀实枪线上 PVP 的正面战场 LLMarena 里，Kimi 更是仅次于 Claude 和 Google 这俩老伙计。

而且在成本上还是个传奇省钱王，Kimi 在跑完分之后，还特意留意了一下，看看这次测试跑分花了多少钱。

结果发现，Kimi在跑分成绩和 GPT5.2 差不多的情况下，只花了 GPT 的二十分之一，甚至是五分之一的成本，这还要啥自行车了兄弟们。。。

模型性能与成本对比分析

当然，经常看大模型发布的差友们都知道，跑分仅供参考，实战才是王道。为了验验 Kimi K2.5的成色，世超也是在模型发布的第一时间帮大家来体验了一波。

先来个简单的任务试试水，让 Kimi 来帮我统计一下，B 站上的差评君，在过去一年里发了多少视频，这些视频的数据质量如何。

这个任务如果让人工来做的话难度也不高，无非是需要花点时间，去 B 站上把视频一个一个搜索，然后把结果一个一个的粘贴到 Excel 表格里。

结果在两轮对话后，Kimi 就通过写代码的方式，成功的把大家去年一年来的工作成功给收集了下来，在数据的准确程度上也没出啥岔子。

很稳啊，说真的，如果 Kimi 能早一个月发布的话，那世超就不用跨年夜熬夜扒数据，自己手动写报告了。。。

接下来，世超又测试了一下 Kimi 这回重点宣传的 Agent Swarm 能力，也就是让一群 Agent 来帮你一起干活。

毕竟单个 Agent 的能力是有极限的，就和我们人类需要分工合作一样，AI 在处理复杂任务的时候，为了避免干活干到一半报错，有时也需要在 AI 和 AI 之间展开合作.

Kimi 官方也在测试中发现：随着问题越来越复杂，让 AI 组团处理的效率就越好。

世超也简单试了一下这个 Agent 集群功能。最近国产 GPU 在大 A 市场不是很火么，那么这些公司到底发展的咋样？于是就准备让 Kimi 去尽可能详细地调研一下这行的发展情况。

结果没想到 Kimi 在收到了这个任务之后，直接原地给我开了家数据调研公司，拆分出了“市场格局分析师 —— 东坡”、“技术对比专家——李斯特”、“产业链研究员——小杨博士”，这一群 Agent 们。

然后再让这一堆 Agent 分头行动，从不同的视角收集不同的信息。

等它们都完成了工作后，最后再把这些不同维度的信息来一起做个整合，生成了一份最终的报告。

世超仔细看了一下这份报告，不仅讨论了市场规模、行业龙头、产品的硬实力指标，就连上下游产业线都给分析了一波。光看信息的思考维度和广度，确实比之前用 GPT 和 Gemini 的 Deep Research 做出来的要更全面，逻辑也更顺畅。

而代码能力就更不用多说了，编程一直是 Kimi 的强项，世超随便截了个 B 站的主页丢给它，结果 Kimi 就自己跑回去哼哧哼哧的写代码画图来做了个七七八八。

世超还看到有朋友给咱们分享了一个他拿 Kimi 做出来的 demo。

这哥们为了让自己上班摸鱼的时候能有点背景音乐，用 Kimi K2.5 搓了个能收听全球 33 个电台的网站。

写出来的代码审美也很不错，脱离了 AI 生成代码时常见的神秘渐变蓝紫色模版，不管是太空中缓缓转动的地球，还是角落的像素风播放器都非常解压。

最后，我们来点更刺激的测试。到了 2026 年，单纯的出题目，测试大模型的代码能力已经不稀奇了。

于是世超决定同步来测试一下 Kimi K2.5 的多模态能力和代码能力。

不知道差友们有没有过这种经历：在刷短视频的时候，总能刷到那种看起来特别解压、逻辑甚至有点“弱智”的广告小游戏。

但是当你真的点进去的时候，就发现刚才那个解压小游戏直接不见了。

实际玩的游戏和大家刚才刷到的短视频不能说是风马牛不相及吧，只能说是八竿子打不着了。

又上当了。

为了弥补这种被欺骗的遗憾，世超这次决定让 Kimi 直接把广告里的游戏给“抠”出来。

自己动手，丰衣足食。

当然，为了给 Kimi 上点强度，我决定不像往常一样，写个大几千字的提示词来描述这个小游戏应该怎么玩。

反而是直接丢了一个广告小游戏的视频给它，让Kimi 想办法看视频，自己来生成能生成这个游戏的提示词出来。

Kimi 的反应也很快，马上把视频给截出来一帧一帧的看，然后拆分出了三个专家来理解这个游戏视频，给出了一套提示词。

接下来，我再让 Kimi 根据这个提示词来直接生成游戏。

看着这五个 Agent 员工哼哧哼哧工作几分钟后，世超就收获了第一版的复制小游戏。

说实话，这版小游戏的 bug 还是蛮明显的。跑到一半就消失了的跑道，还有打 Boss 时毫无交互的反馈。。。

还只能支持触碰操作，甚至你仔细看上面这个 GIF 的话，你会发现鼠标滑动的方向，和小人运动的方向实际上是相反的。

第一次尝试的结果只能说是能跑，但是跑得不够完美。

但是好在咱们可以通过和 Agent 的对话来快速的修复这些问题，而且 Kimi 还有个很有趣的设计，大家如果平时喜欢用 AI 写代码的话肯定会非常有感觉。

众所周知，想让 AI 修改画面里的特定元素的话，其实是个非常麻烦的事情，你需要准确的描述你要改的元素在哪里，叫什么，长什么样，不然 AI 可能就会听不懂你在说什么，开始随地大小改，乱改一通。

而 Kimi 为了让大伙能更快的告诉 AI 应该改哪里，直接在它的预览界面增加了一个截图的编辑系统，你可以直接把画面上想改的东西给圈圈画画，然后把这些截图丢给 Kimi 让它来把 Bug 给修改。

虽然 Kimi 最终能修复这些 Bug，靠的还是自己的图像识别多模态能力，但是对用户来说，用平台自带的截图功能显然会更加方便，修改起来也会更加得心应手。

在要求了 Kimi 修复了小人运动方向、延长了游戏的跑道之后，这个游戏就变成了这样：

游戏的核心玩法基本被复刻得明明白白，和最开始的视频相比，差距最大的地方可能就是体现在了美术素材的区别上了。

看着屏幕上那个被我不到半小时就“调教”得服服帖帖的小人儿，世超心里确实有种莫名的成就感。

说实话，从丢过去一段几十秒的视频，到最终拿到一个逻辑通顺、手感丝滑的小游戏，整个过程我几乎没怎么动脑子去想代码逻辑，更多的是在扮演一个“监工”的角色：发现问题，截图圈出来，然后看着AI把活儿干完。

总而言之，从信息收集到代码编程，从 Office 办公到多 Agent 协同。这次 Kimi 的 K2.5 在解决复杂任务上的表现相当硬核。更关键的是，它的使用门槛极低，不仅仅是说上手容易，更是指它的价格便宜。

而且还开源，这种极致的性价比，意味着我们可以毫无顾忌地把繁琐的工作丢给 AI，而不用担心 AI 干活干到一半，就直接把我们的钱包给刷爆了。

这让世超想起杨德昌导演在电影《一一》里那句经典的台词：

“电影发明以后，人类的生命，比起以前延长了至少三倍。”

有了电影，我们就能在短短两个小时里，体验到别人完整的一生。

而现在，大模型也在做类似的事情。

它不是字面意义上地让你活得更久，而是让你在有限的时间里，拥有了三倍、甚至十倍的产出能力。

我们可以把复杂的 Office 操作、枯燥的数据收集、掉头发的代码撰写，都丢给大模型，让自己直接享受结果，或者去思考更有创造力的事情。

以前因为怕麻烦、怕花钱而不敢尝试的想法，现在都可以丢给这一群 AI Agent 去试一试。

人类以后只需要学会怎么动嘴就行，剩下的“脏活累活”，就放心交给这个AI项目组吧。

撰文： 早起

编辑： 江江 && 面线

美编： 素描

图片、资料来源：Kimi 官网