--- layout: single title: "Kimi K2.5：首个开源多模态智能体集群" date: 2026-02-07 01:00:00 +0800 categories: [AI 与大模型, 编程开发] tags: [KimiK2.5, Agent, LLM, Kimi] --- ![](/images/2026/Kimi/Kimi-K2.5/0_Kimi-K2.5.png) > 感觉 Kimi K2.5 在国内被低估了，让子弹飞一会儿 🚀🚀🚀 ## 基准测试（Benchmarks） ### Agent Swarm 基准测试 ![](/images/2026/Kimi/Kimi-K2.5/Agent-Swarm-Benchmark.png) 为了严格评估**智能体集群（Agent Swarm）框架**的有效性，选择了三个具有代表性的基准测试，它们共同涵盖了**深度推理**、**大规模检索**以及**真实世界的复杂性**： * **BrowseComp**：一项具有挑战性的**深度研究**基准，需要多步推理和复杂的信息综合。 * **WideSearch**：旨在评估在不同来源中进行**广泛、多步信息寻求和推理**能力的基准。 * **In-house Swarm Bench**：一项内部开发的集群基准，旨在评估智能体集群在真实世界、高复杂度条件下的性能。 它涵盖了四个领域： * **WildSearch**（开放网络上不受约束的真实世界信息检索）； * **Batch Download**（大规模获取多样化资源）； * **WideRead**（涉及 100 多个输入文档的大规模文档理解）； * **Long-Form Writing**（连贯生成超过 10 万字的海量内容）。 该基准整合了**极端规模的场景**，旨在压力测试基于智能体系统的**编排（Orchestration）、可扩展性（Scalability）和协作能力**。 ### 主要基准测试 ![](/images/2026/Kimi/Kimi-K2.5/benchmarks.png) Kimi K2.5 评估涵盖了多个领域的基准测试，下面是按能力维度分类的各基准测试说明： ### 推理与通用能力 (Reasoning & General) * **Humanity’s Last Exam (HLE)**：一项严苛的深度推理基准，包含文本和图像子集，用于测试模型的极限推理能力。 * **AIME 2025**：美国数学邀请赛，用于评估模型在数学和 STEM 领域的深度推理。 * **HMMT 2025 (Feb)**：哈佛-麻省理工数学锦标赛，测试高难度数学竞赛问题的解决能力。 * **IMO-AnswerBench**：基于国际数学奥林匹克竞赛水平的问题基准。 * **GPQA-Diamond**：研究生水平的“防谷歌”问答基准，侧重于评估高难度的科学知识与推理。 * **MMLU-Pro**：比标准 MMLU 更具挑战性的多任务语言理解基准。 * **SimpleQA Verified**：用于衡量模型参数化知识可靠性的事实性评估基准。 * **AdvancedIF**：基于规则的指令遵循能力评估。 * **LongBench v2**：针对真实长文本场景的深度理解与推理测试。 ### 编程能力 (Coding) * **SWE-bench (Verified/Pro/Multilingual)**：软件工程基准，测试模型解决真实 GitHub 仓库问题和多语言编程的能力。 * **Terminal Bench 2.0**：评估智能体在命令行界面（CLI）中处理复杂、真实任务的能力。 * **PaperBench (CodeDev)**：测试模型复现 AI 研究论文代码的能力。 * **CyberGym**：网络安全能力评估，要求模型根据高层描述在真实开源项目中发现漏洞。 * **SciCode**：由科学家编写的科学研究编程基准。 * **OJBench (cpp)**：竞赛级代码评估基准。 * **LiveCodeBench (v6)**：使用实时更新的编程挑战进行防污染的综合评估。 ### 智能体能力 (Agentic Capabilities) * **BrowseComp**：具有挑战性的深度研究基准，要求多步推理和复杂的信息综合能力。 * **WideSearch**：评估智能体在多元来源中进行广度信息搜索和推理的能力。 * **DeepSearchQA**：评估深度研究智能体在信息获取完整性方面的表现。 * **FinSearchComp (T2&T3)**：针对金融领域搜索与推理的专家级真实评估。 * **Seal-0**：SealQA 的主要子集，旨在提升搜索增强型模型的推理门槛。 * **GDPVal**：评估 AI 模型处理具有实际经济价值任务的表现。 ### 图像理解 (Image Understanding) * **MMMU / MMMU-Pro**：大规模跨学科多模态理解与推理基准。 * **CharXiv (RQ)**：评估模型对真实图表理解能力的基准。 * **Math-Vision / MathVista (mini)**：评估视觉语境下的数学推理能力。 * **SimpleVQA / WorldVQA**：评估多模态事实性、视觉识别及地理知识。 * **ZeroBench**：一项极具挑战性的视觉基准，用于测试多步视觉推理。 * **BLINK / MMVP**：测试多模态模型是否真正“看清”并感知到了图像内容。 * **OCR-Bench / OmniDocBench 1.5 / InfoVQA**：评估文本识别、文档解析及信息图表理解能力。 ### 视频理解 (Video Understanding) * **VideoMMMU / MMVU**：专家级多学科视频理解评估。 * **MotionBench**：细粒度的视频动作与运动理解基准。 * **Video-MME**：首个多模态大模型视频分析综合评估基准。 * **LongVideoBench / LVBench**：针对极长视频（包含数千帧）理解能力的评估基准。 ### 计算机操作 (Computer Use) * **OSWorld-Verified**：在真实计算机环境中评估多模态智能体执行开放式任务的能力。 * **WebArena**：一个用于构建自主智能体的真实网页环境操作基准。 ## 模型训练 ![](/images/2026/Kimi/Kimi-K2.5/1_Pre-Training.png) ![](/images/2026/Kimi/Kimi-K2.5/2_Post-Training.png) ![](/images/2026/Kimi/Kimi-K2.5/3_Agent-Swarm.png) ## 统一智能体强化学习环境 ![](/images/2026/Kimi/Kimi-K2.5/4_Agent-RL-Framework.png) **Unified Agentic Reinforcement Learning Environment**（统一智能体强化学习环境）是 Kimi K2.5 为了推进通用智能体能力而开发的标准化、模块化的强化学习（RL）框架。 ### 核心设计理念 该环境旨在简化不同任务场景下的智能体训练流程，其核心特点包括： * **标准化接口**：提供了一个类似 **Gym** 的标准化接口，使得实现和自定义各种复杂的交互环境变得非常简便。 * **组合模块化**：优先考虑模块化设计，集成了一系列**可插拔组件**，例如： * **工具集（Toolset）**：支持各种带有沙箱环境的工具。 * **评判模块（Judge）**：提供多维度的奖励信号。 * **增强模块**：专门用于提示词多样化和指令遵循能力的提升。 ### 执行与架构机制 该环境在执行层面上表现出极高的并发能力和灵活性： * **异步协程处理**：每一个智能体任务都被视为一个独立的**异步协程**。 * **递归任务触发**：任务可以**递归地触发子任务的 Rollout**（Rollout 指模型生成序列的过程），这为“智能体集群”（Agent Swarm）这种并行智能体强化学习（PARL）以及“智能体作为评判者”（Agent-as-Judge）等复杂范式提供了基础。 * **大规模并发管理**：拥有专门的 **Rollout 管理器**，在 RL 过程中能够同时调度多达 **100,000 个并发智能体任务**，并支持 partial rollout 功能。 ### 技术集成与优化 为了确保训练的稳定性和效率，该环境集成了多项关键技术： * **推理引擎协同设计**：严格遵循“**Token-in-Token-out**”（Token 进 Token 出）范式，并记录所有推理输出的对数概率（log probabilities），以便进行“训练-推理失配修正”，确保 RL 训练的稳定性。 * **LLM Gateway（大模型网关）**：这是一个代理服务，用于处理那些仅支持标准 API 协议的“黑盒环境”，使其能够通过该网关利用 Kimi 自定义协议的高级功能。 * **监控与调试工具**：开发了一系列用于性能监控、剖析（Profiling）、数据可视化和验证的工具，以确保这个高度并行的异步系统运行正确且高效。 ### 应用价值 这一环境是 Kimi K2.5 实现**文本与视觉联合优化** 以及 **Agent Swarm（并行智能体编排）** 的关键基础。它允许模型通过与真实和合成环境的互动，在开源域之外的开放性任务中不断学习、调整行为并获取新技能。 ## 提示词 ![](/images/2026/Kimi/Kimi-K2.5/5_Agentic-Evaluation.png) ![](/images/2026/Kimi/Kimi-K2.5/6_Computer-Use-Evaluation.png) ![](/images/2026/Kimi/Kimi-K2.5/7_Agent-Swarm-Configuration.png) ## 示例 ![](/images/2026/Kimi/Kimi-K2.5/8_example1.png) ![](/images/2026/Kimi/Kimi-K2.5/9_example2.png) ## OpenRouter > 在 [OpenRouter](https://openrouter.ai/rankings) 上 Kimi K2.5 已经是绝对的第一了。 ![](/images/2026/Kimi/Kimi-K2.5/10.png) ![](/images/2026/Kimi/Kimi-K2.5/11.png) ![](/images/2026/Kimi/Kimi-K2.5/12.png) ![](/images/2026/Kimi/Kimi-K2.5/13.png) ![](/images/2026/Kimi/Kimi-K2.5/14.png) ![](/images/2026/Kimi/Kimi-K2.5/15.png) ## Kimi K2.5: 视觉智能体智能思维导图 ![](/images/2026/Kimi/Kimi-K2.5/mind.png) ## 参考资料 - [Kimi K2.5: Visual Agentic Intelligence](https://github.com/MoonshotAI/Kimi-K2.5/commits/master/tech_report.pdf) - [Kimi K2: Open Agentic Intelligence](https://arxiv.org/pdf/2507.20534)