不写 prompt 改看视频了! Kimi-K2.5 实测!
合集 · 大模型竞技场 (79)
-
全网首测!DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
1:40
-
5分钟教你使用AI写一个风扇控制器
4:24
-
10小时前发布的大模型 Mistral-small-24B 马上开测!
2:46
-
NVIDIA又要跌?DeepSeek 刚用 FP8 没多久,这 FP4 训练要来了
0:51
-
一招解决DeepSeek-R1无法连接网络问题!还能白嫖DeepSeek-R1!
1:43
-
国产视频生成框架!能让老黄唱野狼 Disco!
1:17
-
大模型竞技场 - Gemini-2.0-Flash 全网首测!
4:03
-
微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了?
2:10
-
来啦!Grok-3 全网首测!登陆火星 demo!
2:52
-
视觉大模型也能推理了?来看Ovis-2视觉模型的效果如何!
1:55
-
谁是最强写代码模型? 我使用了最好的21个模型, 花了50刀, 总计测试252次
7:32
-
全站最速!DeepSeek-V3-0324 写代码能力评测!不仅 OpenAI, Claude 也要颤抖了
2:06
-
我用AI做了个网页版我的世界,还能用砸瓦鲁多
4:18
-
全站最速!GPT-4.1 写代码能力评测!啊?又拉了?
2:25
-
极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?
5:53
-
我发现了AI最有用的用途——整理桌面!来看 Kimi-K2 Agent 能力实测!
12:42
-
使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
2:02
-
nano-banana 幼儿园级教程① 如何将照片转换为城市天际线风格的建筑!
0:37
-
nano-banana 幼儿园教程第②弹! 教你如何做模特图!
1:06
-
nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
0:55
-
nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
0:46
-
nano-banana 教程第五弹! 如何万物像素化!
0:41
-
nano-banana 生成 8K 分辨率图片教程!
1:10
-
Kimi-K2-0905 实测! 一口气输出1100行代码
3:06
-
Qwen3-Max-Preview 实测! 给大家放个鞭炮
1:41
-
Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
2:20
-
刚发布的 Qwen3-TTS-Flash 实测!
1:31
-
DeepSeek-V3.2 实测! 真就只提升了0.1?
2:54
-
Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
2:18
-
GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛?
2:22
-
DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
2:22
-
claude-haiku-4.5 实测! 便宜大碗?
2:05
-
Vibe Coding 不流行了? Spec Coding 教程来啦
2:15
-
KAT-Coder-Pro-V1 实测! 早放3个月就好了?
2:36
-
Minimax M2 实测! 你也晚了3个月?
2:07
-
Cursor 推出炼蛊模式!一口气能开8个代理!
1:16
-
Cursor 终于有自己的大模型啦!来看实测!
2:32
-
Qwen3-Max-Thinking 实测! 呃......
2:28
-
Kimi-K2-Thinking 实测! 差距继续缩小!
2:17
-
Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
3:17
-
nano banana pro 幼儿园教程! 如何合成橱窗图片!
0:52
-
Meta 的新模型 SAM 3 实测!
4:31
-
什么? 用 Claude Code 剪视频?
2:05
-
DeepSeek V3.2 正式版实测! 提升真的有限?
2:50
-
教程来啦! 如何使用AI打造自媒体博主军火库
2:57
-
GPT-5.2 实测! 美是真的美, 卡是真的卡
2:54
-
一秒生成高斯点云? Apple新模型SHARP实测!
1:25
-
AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
4:38
-
现在都流行大模型月更吗? MiniMax-M2.1 实测!
4:33
-
2025年全球大模型厂商下载量排行榜
3:42
-
500张图片测试! 一个视频告诉你GLM-Image怎么用!
3:27
-
不写 prompt 改看视频了! Kimi-K2.5 实测!
5:58
-
提升明显! Qwen3-Max 正式版 vs Preview版 实测!
4:55
-
不是说好了年前不发吗? DeepSeek 你个大猪蹄子
2:29
-
GLM-5发布啦! 给大家带来实测! 国产大模型正式进入月更节奏!
7:04
-
啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
5:06
-
Qwen3.5实测! 来看贺岁档大模型的实力!
7:01
-
Gemini-3.1-pro 实测! 更新了个寂寞?
4:32
-
inclusionAI Ling&Ring 2.5-1T 大模型实测!
5:15
-
Agent 能力有多强? 来看豆包 Seed 2.0 实测!
6:07
-
龙虾专用大模型? GLM-5-Turbo 实测!
5:10
-
如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
3:44
-
从国产SOTA走向世界SOTA? GLM-5.1 实测!
8:01
-
AI能帮我拍照了? Qwen3.5-Omni实测!
6:06
-
花费106刀测试! Claude-Opus-4.7 到底更新了啥?
8:51
-
Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
9:04
-
大模型写代码比说话还快是什么体验?
2:32
-
Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
7:36
-
MiniMax-M3 最佳实践? 这个视频告诉你!
5:39
-
Fable 5 超越人类还为时尚早!
1:06
-
单卡 700TPS! Diffusion Gemma 来了!
0:44
-
GLM-5.2实测! 什么才是Agent能力的提升?
5:40
-
2分钟教你做一个可以自我迭代的 Agent
1:43
-
Flash模型横评! 性价比之选竟然是这个?
6:12
-
混元3实测! 300B参数竟然有这种Agent能力!
6:33
-
1B就能达到这种效果?LingBot-Vision实测!
1:13
-
Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
14:05
-
我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
4:57
-
我让 Qwen3.8-Max 玩游戏, 结果发现了善良的数学意义!
9:46
Description
月之暗面发布了新模型 Kimi-K2.5, 最大的更新是它终于成为统一模型了, 不仅支持文本和图片, 还支持视频输入! 给大家带来 Kimi-K2.5-Thinking 实测结果: 我找了一个有小行星带背景+鼠标交互+滚动切换的炫酷动画效果网页, 然后对着他录屏, 把录屏视频丢给 Kimi-K2.5-Thinking 做, 这个还原度我给80分, 除了柔性材料弯曲效果没实现, 其他都挺不错. 编程能力测试细节: 大象牙膏测试夯爆了, 这个效果短期内感觉很难有敌手了; Python杯子倒水测试直追 Claude-Sonnet, 在没有斜边辅助的情况下实现了侧面滴水不漏 (虽然性能有提升空间, 粒子碰撞是O(n²)的, 400个粒子每帧要算8万次, 我让它用空间网格划分优化了一下就流畅了). Agent能力我用硅基骑手测试跑了40分钟, 烧了1000万token, 最高分543.94, 妥妥第一梯队. 长上下文召回也稳定在85%以上, 不过审查有点严, 小说内容容易误判敏感 (已反馈官方在修). 总结: 编程算法和性能都有提升, Python能力直接第一梯队, Agent和长上下文都在线. 最重要的是视频模态, 我已经想了一个新玩法了——做个摄像头MCP让它帮我盯着屏幕干活哈哈!
Comments
Kimi K2.5 (Thinking) 并不是单纯追求“刷题分”的做题家,而是一位极度擅长使用工具的实干家。虽然它的纯理论智商(Raw IQ)略低于 GPT-5.2 和 Gemini 3 Pro,但在结合搜索与工具解决难题(Agentic Search) 以及 视觉文档处理(OCR) 方面,它展现出了世界第一的水平。 总结:应该在什么时候用 Kimi K2.5? ✅ 必选 Kimi 的场景: 需要联网搜索并整合大量信息来回答复杂问题时(BrowseComp 第一)。 处理PDF文档、发票、扫描件等 OCR 任务时(OCRBench 第一)。 需要调用工具(如计算器、Python解释器)来保证答案准确性时(HLE w/ tools 第一)。 ❌ 可能不如其他模型的场景: 需要解决极难的纯数学难题(GPT-5.2 更好)。 需要开发超大型软件项目(Claude 4.5 Opus 更好)。 需要处理超长视频理解(Gemini 3 Pro 的 VideoMME 88.4 依然是霸主)。
♥ 39 ↩ 5
说真的,编程上我不知道,但是一些答案的精度确实比gemini,gpt要好,不会太过死脑筋
♥ 35 ↩ 3
不自信啊
♥ 15 ↩ 7
那几个展示的demo有什么作用呢?现实编程能力不是看大项目长上下文的总体管理能力吗?现实哪里用得到那些demo
♥ 13 ↩ 4
Qwen3 Max Thinking 感觉就弱一些了,多模态不支持,还闭源不方便一些必须本地部署的情况,Kimi K2.5的各项性能和Qwen3 Max Thinking差距不大,还开源。像国外闭源大模型强归强,在很多环境下只能用国产模型甚至只能用开源模型,Kimi K2.5是我的完美模型
♥ 12 ↩ 1
一直很期待kimi的多模态,主要是ipad上侧拉栏窗口适配就kimi和元宝做的好,但是元宝多模态太蠢了[喜极而泣]
♥ 12
哈人[笑哭]这模型这么强!!
♥ 9
基本sota了啊,好强
♥ 8
kimi这个网页会员莫名奇妙,具体开了能得什么都不说,额度是一点都没写[doge]
♥ 6 ↩ 2
几家里面一直在用 kimi 的模型,除了经常高峰期和过于敏感之外,是我用得最多的模型
♥ 5 ↩ 1
为up辛苦肝视频点赞,终于等到评测了[doge], qwen3 max thinking和deepseek ocr2也会测吗,这次k2.5能力是不是比qwen更强一些?
♥ 4 ↩ 1
Up您用的鼠标点击音效是什么,音效很好听[脸红]
♥ 4 ↩ 3
国产这几个我一直偏爱kimi。终于把多模态追上了
♥ 3 ↩ 7
怎么不和哈基米3对比[吃瓜]
♥ 3 ↩ 4
真不错,牙医太肝了[笑哭]
♥ 3 ↩ 8
忙碌的一周
♥ 3
有差不多三四次这个模型自称自己是claude[笑哭],而且opencode会出现工具调用出错根本用不了[大哭]
♥ 3 ↩ 13
前排前排[doge]直接三连[吃瓜]
♥ 3
好前排[doge]
♥ 3
第一
♥ 3