不写 prompt 改看视频了! Kimi-K2.5 实测!

合集 · 大模型竞技场 (79)

  1. 1:40
    全网首测!DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
  2. 4:24
    5分钟教你使用AI写一个风扇控制器
  3. 2:46
    10小时前发布的大模型 Mistral-small-24B 马上开测!
  4. 0:51
    NVIDIA又要跌?DeepSeek 刚用 FP8 没多久,这 FP4 训练要来了
  5. 1:43
    一招解决DeepSeek-R1无法连接网络问题!还能白嫖DeepSeek-R1!
  6. 1:17
    国产视频生成框架!能让老黄唱野狼 Disco!
  7. 4:03
    大模型竞技场 - Gemini-2.0-Flash 全网首测!
  8. 2:10
    微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了?
  9. 2:52
    来啦!Grok-3 全网首测!登陆火星 demo!
  10. 1:55
    视觉大模型也能推理了?来看Ovis-2视觉模型的效果如何!
  11. 7:32
    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
  12. 2:06
    全站最速!DeepSeek-V3-0324 写代码能力评测!不仅 OpenAI, Claude 也要颤抖了
  13. 4:18
    我用AI做了个网页版我的世界,还能用砸瓦鲁多
  14. 2:25
    全站最速!GPT-4.1 写代码能力评测!啊?又拉了?
  15. 5:53
    极限测试!Qwen3 写代码+画画!究竟是不是开源最强模型?
  16. 12:42
    我发现了AI最有用的用途——整理桌面!来看 Kimi-K2 Agent 能力实测!
  17. 2:02
    使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
  18. 0:37
    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!
  19. 1:06
    nano-banana 幼儿园教程第②弹! 教你如何做模特图!
  20. 0:55
    nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
  21. 0:46
    nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
  22. 0:41
    nano-banana 教程第五弹! 如何万物像素化!
  23. 1:10
    nano-banana 生成 8K 分辨率图片教程!
  24. 3:06
    Kimi-K2-0905 实测! 一口气输出1100行代码
  25. 1:41
    Qwen3-Max-Preview 实测! 给大家放个鞭炮
  26. 2:20
    Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
  27. 1:31
    刚发布的 Qwen3-TTS-Flash 实测!
  28. 2:54
    DeepSeek-V3.2 实测! 真就只提升了0.1?
  29. 2:18
    Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
  30. 2:22
    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?
  31. 2:22
    DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
  32. 2:05
    claude-haiku-4.5 实测! 便宜大碗?
  33. 2:15
    Vibe Coding 不流行了? Spec Coding 教程来啦
  34. 2:36
    KAT-Coder-Pro-V1 实测! 早放3个月就好了?
  35. 2:07
    Minimax M2 实测! 你也晚了3个月?
  36. 1:16
    Cursor 推出炼蛊模式!一口气能开8个代理!
  37. 2:32
    Cursor 终于有自己的大模型啦!来看实测!
  38. 2:28
    Qwen3-Max-Thinking 实测! 呃......
  39. 2:17
    Kimi-K2-Thinking 实测! 差距继续缩小!
  40. 3:17
    Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
  41. 0:52
    nano banana pro 幼儿园教程! 如何合成橱窗图片!
  42. 4:31
    Meta 的新模型 SAM 3 实测!
  43. 2:05
    什么? 用 Claude Code 剪视频?
  44. 2:50
    DeepSeek V3.2 正式版实测! 提升真的有限?
  45. 2:57
    教程来啦! 如何使用AI打造自媒体博主军火库
  46. 2:54
    GPT-5.2 实测! 美是真的美, 卡是真的卡
  47. 1:25
    一秒生成高斯点云? Apple新模型SHARP实测!
  48. 4:38
    AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
  49. 4:33
    现在都流行大模型月更吗? MiniMax-M2.1 实测!
  50. 3:42
    2025年全球大模型厂商下载量排行榜
  51. 3:27
    500张图片测试! 一个视频告诉你GLM-Image怎么用!
  52. 5:58
    不写 prompt 改看视频了! Kimi-K2.5 实测!
  53. 4:55
    提升明显! Qwen3-Max 正式版 vs Preview版 实测!
  54. 2:29
    不是说好了年前不发吗? DeepSeek 你个大猪蹄子
  55. 7:04
    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!
  56. 5:06
    啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
  57. 7:01
    Qwen3.5实测! 来看贺岁档大模型的实力!
  58. 4:32
    Gemini-3.1-pro 实测! 更新了个寂寞?
  59. 5:15
    inclusionAI Ling&Ring 2.5-1T 大模型实测!
  60. 6:07
    Agent 能力有多强? 来看豆包 Seed 2.0 实测!
  61. 5:10
    龙虾专用大模型? GLM-5-Turbo 实测!
  62. 3:44
    如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
  63. 8:01
    从国产SOTA走向世界SOTA? GLM-5.1 实测!
  64. 6:06
    AI能帮我拍照了? Qwen3.5-Omni实测!
  65. 8:51
    花费106刀测试! Claude-Opus-4.7 到底更新了啥?
  66. 9:04
    Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
  67. 2:32
    大模型写代码比说话还快是什么体验?
  68. 7:36
    Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
  69. 5:39
    MiniMax-M3 最佳实践? 这个视频告诉你!
  70. 1:06
    Fable 5 超越人类还为时尚早!
  71. 0:44
    单卡 700TPS! Diffusion Gemma 来了!
  72. 5:40
    GLM-5.2实测! 什么才是Agent能力的提升?
  73. 1:43
    2分钟教你做一个可以自我迭代的 Agent
  74. 6:12
    Flash模型横评! 性价比之选竟然是这个?
  75. 6:33
    混元3实测! 300B参数竟然有这种Agent能力!
  76. 1:13
    1B就能达到这种效果?LingBot-Vision实测!
  77. 14:05
    Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
  78. 4:57
    我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
  79. 9:46
    我让 Qwen3.8-Max 玩游戏, 结果发现了善良的数学意义!
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

一帆在这 2026-01-27

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

光离音 2026-01-27

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

白衡山幺雪 2026-01-27

不自信啊

♥ 15 ↩ 7

玩人JackShaw 2026-01-27

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

RunningBugs 2026-01-28

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

NUC_AI 2026-01-27

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

Attn-Flow 2026-01-27

哈人[笑哭]这模型这么强!!

♥ 9

溯旅Slight 2026-01-27

基本sota了啊,好强

♥ 8

放学留下补课 2026-01-30

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

妖鬼先生 2026-01-28

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

怜昕_ 2026-01-28

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

Asher-Wu 2026-01-27

Up您用的鼠标点击音效是什么,音效很好听[脸红]

♥ 4 ↩ 3

reedlxm 2026-01-28

国产这几个我一直偏爱kimi。终于把多模态追上了

♥ 3 ↩ 7

徐图之xz 2026-01-28

怎么不和哈基米3对比[吃瓜]

♥ 3 ↩ 4

NervMatrix 2026-01-27

真不错,牙医太肝了[笑哭]

♥ 3 ↩ 8

颉颉颉颉颉颉颉颃 2026-01-27

忙碌的一周

♥ 3

青春你好吖 2026-01-27

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

落红归去故人还 2026-01-27

前排前排[doge]直接三连[吃瓜]

♥ 3

路过的呆呆 2026-01-27

好前排[doge]

♥ 3

可乐比海盗 2026-01-27

第一

♥ 3