Moonshot发布Kimi K2.5：可从视频生成代码的AI模型

阿里巴巴支持的中国AI初创公司月之暗面（Moonshot）于周二发布了Kimi K2.5，在博客文章中将其描述为迄今为止世界"最强大的开源模型"。

Kimi K2.5基于去年夏天推出的Kimi K2大语言模型构建，配备了编程功能，可能成为专有模型的有力竞争者。根据Moonshot发布的数据，Kimi K2.5在SWE-Bench Verified和SWE-Bench Multilingual编程基准测试中的得分与OpenAI、Google和Anthropic的前沿模型相当。

然而，真正让它脱颖而出的是从视觉输入创建前端Web界面的能力。

Kimi K2.5使用15万亿个文本和视觉Token进行了预训练，使其成为Moonshot所说的"原生多模态模型"，能够从上传的图像或视频生成Web界面，包括交互元素和滚动效果。

在Moonshot博客文章中展示"视觉编程"功能的演示视频中，Kimi K2.5基于一个现有网站的录制视频生成了新网站的草图，视频从用户屏幕滚动的角度显示。该模型能够重现整体美感，尽管以经典的AI风格，在过程中犯了一些轻微的视觉错误，比如将地球仪上的大陆描绘成无定形的斑点。

目前尚不清楚这种功能的实用性如何。不过，仅从图像或视频生成网站和应用程序的模拟图将标志着所谓"氛围编程"工具的重要进步，这些工具基于非专家易于部署的直观方法，而非传统编程。

ChatGPT、Claude和Gemini可以基于截图或其他图像为新的Web资产生成原始代码，但这仍然需要用户将其转换为完成且可用的产品。Moonshot新模型的新颖性（和潜在市场价值）在于它省略了这个中间步骤。公司在博客文章中写道："通过对图像和视频进行推理，K2.5改进了图像/视频到代码的生成和视觉调试，降低了用户以视觉方式表达意图的门槛。"

如果在现实世界中证明有用，特别是在企业中，其他开发者可能会跟进，为自己的模型提供类似功能。

Kimi K2.5的编程功能通过名为Kimi Code的开源平台提供，可以通过Cursor、VSCode和Zed等集成开发环境访问。新模型还可通过Kimi.com、Kimi应用程序和Kimi API获得。

Moonshot还推出了名为"智能体群"的研究预览版，它协调多达一百个"子智能体"来提高某些多步骤任务的性能。

通过并行运行多个任务，智能体群还可以加速计算过程。Moonshot在博客文章中写道："并发运行这些子任务与顺序智能体执行相比，显著减少了端到端延迟"，并补充说内部评估显示端到端运行时间——从输入到最终输出完成的总过程——可以减少多达80%。

拥有"Allegretto"或"Vivace"Moonshot账户（每月分别花费31美元和159美元）的用户可以在Kimi网站上试用智能体群，方法是点击提示框右下角的模型下拉菜单并选择"K2.5 Agent Swarm (Beta)"。

Q&A

Q1：Kimi K2.5最突出的功能是什么？

A：Kimi K2.5最突出的功能是"视觉编程"能力，它可以从上传的图像或视频直接生成Web界面，包括交互元素和滚动效果。这种能力让用户无需传统编程就能通过视觉方式表达设计意图，大大降低了Web开发的门槛。

Q2：什么是智能体群功能？有什么优势？

A：智能体群是Moonshot推出的研究预览功能，它可以协调多达一百个子智能体来处理复杂的多步骤任务。通过并行运行多个任务，这项技术可以显著提高处理速度，内部评估显示端到端运行时间最多可以减少80%。

Q3：如何使用Kimi K2.5的功能？

A：Kimi K2.5的编程功能可通过开源平台Kimi Code访问，支持Cursor、VSCode、Zed等开发环境。用户还可以通过Kimi.com、Kimi应用程序和Kimi API使用。智能体群功能需要付费账户才能体验。