OpenMOSS 发布 MOVA - 开源音视频同步生成模型

2026/01/29

月之暗面发布 Kimi K2.5 - 1T 参数原生多模态 Agent 大模型

2026年1月27日，月之暗面（Moonshot AI）正式发布并开源新一代多模态大模型 Kimi K2.5。作为其迄今最智能、最全能的模型，K2.5 采用原生多模态架构设计，同时支持视觉与文本输入、思考与非思考模式、对话与 Agent 任务，在 Agent、代码、图像、视频及一系列通用智能任务上表现领先。

模型架构

原生多模态设计

Kimi K2.5 是一个 1T 参数的混合专家模型（MoE），实际激活参数约 32B。模型在约 15 万亿混合视觉和文本 token 上进行持续预训练，实现了真正的原生多模态能力。

模型采用自研的 MoonViT 视觉编码器（400M 参数），能够无缝整合视觉和语言理解，支持图像和视频输入，在视觉知识、跨模态推理和基于视觉输入的 Agent 工具使用方面表现卓越。

Agent Swarm 机制

K2.5 引入了创新的 Agent Swarm（智能体群） 机制，从单一 Agent 扩展转向自主协调的群体执行模式。模型能够将复杂任务分解为并行子任务，由动态实例化的领域专用 Agent 执行，实现更高效的任务处理。

核心能力

视觉理解与代码生成

K2.5 在视觉理解方面表现出色：

图像理解：在 MMMU-Pro 上得分 78.5，CharXiv (RQ) 得分 77.5
数学视觉：MathVision 得分 84.2，MathVista (mini) 得分 90.1
OCR 能力：OCRBench 得分 92.3，OmniDocBench 1.5 得分 88.8
视频理解：VideoMMMU 得分 86.6，VideoMME 得分 87.4

模型能够从视觉规范（UI 设计、视频工作流）生成代码，并自主编排工具进行视觉数据处理。

代码能力

在编程任务上，K2.5 表现优异：

SWE-Bench Verified：76.8%（超越 Gemini 3 Pro）
SWE-Bench Multilingual：73.0%（超越 GPT 5.2 和 Gemini 3 Pro）
LiveCodeBench (v6)：85.0%
Terminal Bench 2.0：50.8%

Agent 与搜索能力

在 Agent 和搜索任务中，K2.5 展现了强大的能力：

BrowseComp：基础得分 60.6%，使用 Agent Swarm 提升至 78.4%
WideSearch (item-f1)：基础得分 72.7%，使用 Agent Swarm 提升至 79.0%
DeepSearchQA：77.1%

在 HLE（人类最后的考试）、BrowseComp、DeepSearchQA 等多项 Agent 评测中均取得全球开源模型的最佳成绩。

推理与知识

HLE-Full：30.1%（无工具），50.2%（使用工具）
AIME 2025：96.1%
HMMT 2025 (Feb)：95.4%
GPQA-Diamond：87.6%
MMLU-Pro：87.1%

技术特性

双模式支持

K2.5 同时支持：

即时模式（Instant Mode）：快速响应，适合日常对话和简单任务
思考模式（Thinking Mode）：深度推理，适合复杂问题解决

长上下文能力

Longbench v2：61.0%
AA-LCR：70.0%

模型能够有效处理长文本和长视频内容。

应用场景

Kimi K2.5 特别适合以下场景：

视觉编程：从 UI 设计图或视频演示直接生成代码
复杂任务自动化：通过 Agent Swarm 并行处理多个子任务
文档理解：高精度 OCR 和文档分析
视频分析：长视频内容理解和推理
智能搜索：深度网络搜索和信息整合
多模态对话：结合图像、视频的智能对话

开源与可用性

Kimi K2.5 已完全开源，支持商业和非商业使用。开发者可以：

在本地部署运行
进行微调和定制
集成到各类应用中

技术突破

月之暗面创始人、CEO 杨植麟表示：“我们重构了强化学习的基建，并专门优化了训练算法，以确保它能达到极致的效率和性能。”

K2.5 的发布标志着多模态 Agent 模型的重要里程碑，将视觉理解、代码生成、Agent 协作等能力集成到单一模型中，为 AI 应用开发提供了强大的基础。