以下文章來源于模力方舟，作者馬建倉

模力方舟平臺現已上線來自月之暗面（Moonshot AI）發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，進行了大規模繼續預訓練，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、具備智能體調度能力的基礎模型。

原生多模態架構：統一視覺與語言

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行

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

與單一智能體執行相比，整體執行時間可縮短 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建和協作調度，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，模型自身作為協調器，在模擬環境中動態生成子智能體、執行并發子任務，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行，訓練采用階段式獎勵機制：早期鼓勵更高并發，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性之間動態取舍，實現真正的任務分解與協作執行。

編碼與視覺聯合能力明顯提升

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。

這一協同能力源于大規模圖文聯合訓練，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、圖像到代碼等現實場景下的生產力提升更顯著。

向專業級任務延伸：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%

性能對比：Kimi K2.5 以更低成本實現更強表現

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、多模態理解等方面展現出極高性價比：

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

多模態理解：在 MathVision、OmniDocBench、VideoMMMU 等任務中展現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 的執行成本遠低于同類商用模型，結合「Agent Swarm」機制下的并發效率提升，在三項主力 benchmark 中分別實現：

HLE：節省 10.1×

BrowseComp：節省 2.1×

SWE-Verified：節省 3.1×

即刻體驗 Kimi K2.5

Kimi K2.5已正式上線模力方舟，無論是探索前沿 Agent 技術，還是在真實生產環境中部署高效多模態模型，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