Kimi K2.5

Kimi K2.5 是 Moonshot AI 于 2026 年 1 月推出的新一代开源多模态大语言模型。作为 Kimi K2 系列的迭代版本，K2.5 延续了前代模型的混合专家架构（Mixture-of-Experts, MoE），并在视觉理解、工具使用能力和智能体（Agentic）功能方面进行了升级。该模型基于约 15 万亿个混合视觉与文本 token 在 Kimi-K2-Base 基础上进行持续预训练，实现了原生多模态能力与高级智能体功能的整合。

Moonshot AI 采用了"静默发布"策略，用户通过网页端访问时发现原有 K2 模型已自动切换为 K2.5 版本，这种部署方式旨在收集真实用户反馈并持续优化模型表现。

二、核心技术架构

2.1 基础架构参数

Kimi K2.5 保持了与 K2 系列一致的 MoE 架构设计，具体技术规格如下：

2.2 架构特点

稀疏激活机制： 通过 384 个专家中仅激活 8 个的方式，模型在保持 1 万亿参数规模的同时，推理时仅需计算 320 亿参数。

长上下文窗口： 256K tokens 的上下文长度是 K2 系列（128K）的两倍，使模型能够处理更长的文档、视频序列和多轮对话。

视觉编码器 MoonViT： 集成 4 亿参数的视觉编码器，支持对图像和视频内容的原生理解，无需依赖外部视觉模型进行模态转换。

三、核心能力特性

3.1 原生多模态能力

Kimi K2.5 实现了视觉-语言联合建模：

• 视觉知识理解： 基于视觉-语言 token 的预训练，模型在视觉知识问答、跨模态推理方面具备能力
• 视觉 grounded 工具使用： 能够基于视觉输入进行智能体工具调用，例如根据界面截图执行操作
• 图像到代码生成： 支持从 UI 设计图、视频工作流直接生成对应代码实现
• 视频理解： 可处理视频输入并进行内容描述、分析和推理（注：视频对话功能目前仅在官方 API 中提供实验性支持）

3.2 双模式推理系统

K2.5 提供两种互补的推理模式，通过 API 参数进行切换：

思考模式（Thinking Mode）：

• 启用深度推理过程，输出包含 reasoning_content 和最终回答
• 推荐温度参数：1.0
• 适用于数学证明、复杂逻辑推理、代码调试等需要逐步分析的任务

即时模式（Instant Mode）：

• 直接生成回答，无显式推理过程
• 推荐温度参数：0.6
• 适用于日常对话、简单问答、快速响应场景

用户可通过在 API 请求中设置 extra_body={'thinking': {'type': 'disabled'}} 来切换到即时模式。

3.3 智能体集群（Agent Swarm）

K2.5 引入了从单智能体向多智能体协同的范式转变：

• 任务分解： 能够自动将复杂任务分解为可并行执行的子任务
• 动态实例化： 根据任务领域动态创建专门的领域特定智能体
• 协调执行： 支持最多 100 个子智能体的自组织、协调式执行方案
• 工具链编排： 可自主编排工具链进行视觉数据处理，实现端到端的自动化工作流

四、训练与优化技术

4.1 持续预训练

K2.5 在 Kimi-K2-Base 基础上进行了持续预训练：

• 训练数据规模： 约 15 万亿混合视觉与文本 token
• 数据构成： 包含视觉-语言对齐数据、代码-图像配对数据、多模态对话数据等
• 训练稳定性： 沿用了 K2 系列的 MuonClip 优化器，实现了大规模训练中的零不稳定现象

4.2 强化学习与对齐

继承了 K2 系列的强化学习技术：

• 可验证与不可验证奖励结合： 对于数学、编程等可验证任务使用确定性奖励，对于开放式任务采用模型自评判机制
• rubric-based 评估： 模型作为自身的评判者，为不可验证任务提供可扩展的评分反馈
• 在线策略更新： 使用可验证奖励的在线 rollout 持续更新评判模型，保持评估准确性与策略同步进化

五、API 使用与部署

5.1 接口兼容性

Kimi K2.5 提供与 OpenAI/Anthropic 兼容的 API 接口，支持以下功能：

• 标准对话补全： 支持文本、图像、视频输入
• 工具调用（Tool Calling）： 支持 function calling 和外部工具集成
• 流式输出： 支持 SSE 流式响应
• 推理过程可见： 思考模式下可通过 reasoning_content 字段获取模型推理过程

5.2 推荐推理参数

根据官方文档建议：

• top_p： 0.95
• temperature：思考模式：1.0即时模式：0.6
• 最大输出长度： 根据任务需求设置（支持最高 8192 tokens）

5.3 部署支持

模型支持主流推理引擎部署：

• vLLM
• SGLang
• KTransformers
• TensorRT-LLM

推荐硬件配置包括 NVIDIA Hopper（H100、H200）和 Blackwell（B100、B200、GB200）系列 GPU。

六、模型定位与开源策略

6.1 版本演进关系

Kimi K2.5 是 K2 系列的重要迭代，而非全新架构：

• Kimi K2（2025年7月）： 基础 MoE 模型，文本模态，128K 上下文
• Kimi K2 Thinking（2025年11月）： 增加深度推理能力，256K 上下文
• Kimi K2.5（2026年1月）： 整合视觉能力、优化智能体功能，实现多模态统一

6.2 开源许可

K2.5 延续了 Moonshot AI 的开放策略，模型权重托管于 Hugging Face。开源协议为修改版 MIT 许可证，对月活跃用户超过 1 亿或月收入超过 2000 万美元的企业要求标注"Kimi K2"品牌标识。

七、技术局限性与注意事项

根据官方文档披露，当前版本存在以下限制：

1. 推理效率： 在处理困难推理任务或工具定义不明确时，模型可能生成过量 token，导致输出截断或不完整的工具调用
2. 工具使用权衡： 在某些任务上启用工具使用可能导致性能下降
3. 软件开发场景： 单次提示（one-shot prompting）在完成完整软件项目时表现不如基于智能体框架的使用方式
4. 视频功能： 视频对话功能目前仅在官方 API 中作为实验性功能提供

八、总结

Kimi K2.5 是 Moonshot AI 在开源多模态大模型领域的最新发布。通过保持 1 万亿参数规模的 MoE 架构，同时增加原生视觉理解能力和智能体集群功能，K2.5 在效率与能力之间取得了平衡。其 256K 上下文窗口、双模式推理系统和工具使用能力，使其成为当前开源生态中具备竞争力的通用人工智能基础模型。

该模型的发布体现了 Moonshot AI 在"智能体智能"（Agentic Intelligence）领域的技术路线，展示了中国 AI 公司在模型架构创新、训练效率优化和开源生态建设方面的投入。随着多模态能力和智能体功能的完善，K2.5 为研究人员和开发者提供了一个可扩展、可部署的高性能基础模型选择。