Transcription
我们绝对需要谈谈 Kimi，这家中国公司刚刚发布了 Kimi K2.5，并称之为“视觉智能代理”。这个模型能生成令人惊叹的前端网页，好吗？看看这个例子，多么棒的设计！但不仅如此，它还能根据视频生成完整的网页。好的？我们来看看这个例子。左边是一个原始网页的视频，所以你想克隆它，而不是拍很多照片，你进入网页，录制它，然后你可以在右边看到 Kimi 用代码编写的网页输出，你可以看到它简直一模一样，它非常非常非常相似，拥有相同的章节，相同的动画。宠物。然后我们有动物。接下来是世界地图。这太可怕了。这是这个代理的新能力，即“带视觉的编码”，它不仅能根据提示生成代码，还能根据图像和视频生成前端设计。但等等，好戏还在后头。这并不是最让我震惊的模型部分。最让我震惊的是名为 K2.5 Agent Swarm Beta 的模型版本。这是一个测试版，但这个版本能够启动多达 100 个子代理的集群，所以它是一个能够自主启动和协调 100 个代理的代理，这些代理并行执行任务和工作流，最多可进行 1500 次工具调用，这是前所未见的。让我们一起来探索 Kimi K2.5。今天我们介绍 Kimi K2.5，当今最强大的开源模型。Kimi K2.5 构建在 Kimi K2 之上，并对 15 万亿混合视觉和文本数据进行了持续预训练，所以他们采用了相同的架构，只是继续在更多数据上进行训练，并混合了视觉和文本数据。他们将其构建为原生多模态模型，并在编码和视觉能力方面处于领先地位，尤其是在自我指导的代理集群范式方面，这个新范式，即代理可以自行指导和管理、协调代理集群。对于复杂任务，Kimi K2.5 可以自我指导，最多可以指导 100 个子代理，这些子代理并行执行工作流，进行 1500 次工具调用。与单个代理设置相比，这可以减少 4.5 倍的执行时间，因为它不是顺序的，不是我们之前看到的常规代理循环。我们还没来得及学会常规循环和这些范式，就已经有了并行和并行。代理集群由 Kimi K2 自动创建和协调。这是令人难以置信的部分。它会自动创建和协调，而无需预定义的子代理工作流。Kimi K2 可在 Kimy.com 上获得。在这里。通过 API 或 Kimy Code。事实上，如果我们想充分利用它，我们应该下载 Kimy Code，它就像云代码一样，好的？代理在终端上，你必须使用付费计划。现在他们支持四种模型，所以他们发布了 K2.5 instant、K2.5 thinking、K2.5 agent，可以通过点击这里的 agent 来启用它。我们启用代理，然后是测试版，即 agent。Agent 目前在 kimi.com 上是测试版，如果你是高级付费用户，可以免费使用。从性能角度来看，它击败了 Cloud 4.5 Opus。它击败了所有人，击败了所有人。所以从代理方面来说，它非常强大，但在编码方面有点不足，落后于 GPT 5.2 和 Cloud 4.5.5 Opus，这让我觉得有道理，因为目前 Cloud Code with Cloud 4.5 Opus 是绝对最强大的。在图像方面，我们看到它势均力敌，它在竞争。在这里它击败了所有人，在这里它紧随谷歌之后。在这里它排第三。在视频方面，这让我很惊讶，它在视频方面表现出色。现在我们来看看 GPT 5.2（高推理能力）和 Kimi K2.5 之间的比较。我们在这里看到成本和性能，我们看到从 GPT 到左边的飞跃，好的？所以它有更高的性能，但 Kimi K2.5 的成本要低得多，同样，在这个基准测试中，同样，在这个基准测试中。所以在 Browser Comp 上，Kimi 甚至更好，在 HLE 上，Kimi 更好而且成本更低。在 SV 是 verified 上，成本更低但性能稍差。所以这意味着性能方面我们差不多，但你可以节省 5.1 倍、21 倍、10 倍。如果你取平均值，与使用 OpenAI 的 API 相比，你可以节省 10 倍，所以从定价角度来看，这对 OpenAI 是一个沉重的打击。带视觉的编码，Kimi K2.5 是当今最强大的开源模型，尤其是在前端开发能力方面。我们在这些例子中看到了。它可以将简单的对话转化为完整的前端，它可以实现充满动画的交互式布局，例如滚动触发效果，下面是一些例子。所以我们可以放上这个例子。游戏宇宙。但你想想，现在我们将能够创造什么样的平台？哇！这将是一个壮观的未来。这个模型的艺术水平令人惊叹。这是什么？一个网页？Marcus Steel Gallery。哦，还有一个 3D 环境。这里有另一个例子。好的。除此之外，我们还看到了视频方面的能力，好的？从视频重建网站。这太令人难以置信了。好的，这里有一些点，左边的飞机以一种方式被风格化，右边被风格化，它很可能通过制作一个 SVG，一个矢量文件来制作这个飞机。好的，但你只需要放上飞机的图片，用 ano banana 生成它，放上飞机的图片，背景透明，你就完成了，网站的结构被正确复制了，好的？所有指标，所有章节。现在，除了这些能力之外，最让我惊讶的是视觉能力，他们上传了一张非常非常密集的迷宫图片，好的？就是这张，一张迷宫图，然后他们问“你能找到到红点的最短路径吗？”。模型开始推理，开始推理，开始推理，直到找到最佳路径，然后显示给你。所以视觉能力，图像能力达到了另一个水平，尤其是对于开源模型来说。我从未见过这样的东西。事实上，在 Real World Software Engineering Task 中，他们使用 Kimy Code Bench 进行测试，他们开发了自己的内部基准测试来测试性能，他们发现 2.5 版本显然优于 thinking 和其他版本。但让我们来看看我最感兴趣的部分，也就是 Agent Swarm。我们不仅向上扩展，还向外扩展。他们发布了这个新的 Agent Swarm，它完全改变了范式，从单个代理扩展到自我指导的协调集群式执行，即执行集群的协调，使用并行代理强化学习（PARL）进行训练。这是一种新的训练方法，他们开发的强化学习方法，Kimi K2.5 学会了自行指导代理集群，最多可以管理 100 个子代理，让他们执行最多 1500 个协调步骤的并行任务。想想这有多复杂。没有预定义的角色或人类创建的工作流。PARL 使用一个经过训练的编排代理。所以整个框架用于训练编排器，将其任务分解为可并行化的子任务，而不是任意子任务。这很重要，因为模型中的代理会将任务结构化为子任务，但它们是不可并行的，它们都是顺序的，每个子任务都由动态实例执行。显然，以并发和并行的方式跟踪这些任务可以大大减少延迟，与顺序执行相比。训练这个编排器与所有这些跟踪代码的子代理并行是一个真正的挑战，尤其是因为它不是固定的，来自独立跟踪代码的子代理的反馈，总之，这非常非常复杂。他们定义了这个奖励函数，因为我们处于强化学习环境中，它没有数据可以显示如何管理子代理，但它自己探索空间，好的？如何管理代理并获得奖励或惩罚。这正是信号，给予它这个分数的函数。事实上，这里解释了分数是如何计算的，并且他们基本上以这种方式构建项目。编排器拥有一个工具，看，仔细看，它有一个函数，可以创建一个子代理，分配任务，然后进行搜索等等。当它创建一个子代理时，它可以创建一个 AI 研究员，一个物理研究员，一个生命科学研究员，人类学研究员，总之，它需要的任何研究员，需要的代理，事实核查员等等。然后一旦创建了，它就知道创建了哪个，并分配任务。分配任务，不是任意任务，而是非阻塞任务，即代理可以自主执行的任务，而不是必须等待另一个代理完成工作。这就是编排器的难度所在，能够将任务结构化为并行任务，然后我们看到整个训练过程是如何进行的，训练准确率与步数，所以我们看到准确率，训练在增加，所以用这种技术进行的训练是稳定的，具有正确的学习曲线。这项新技术通过并行执行，将复杂任务的解决能力提高了 80%，节省了 80% 的时间。好的？你花费的时间减少了 80%，因为它是在并行进行的。在这里，我们看到了 Browser Comp、Widerch、Inhouse Benchmark 的性能，我们看到 Kimi K2 具有这些性能，但由于 Agent Swarm，它远远超过了它，甚至超过了 Cloud Opus 4.5。我们正在谈论一个具有这些性能的开源模型。这里是解决不同复杂性任务的执行时间。显然，根据复杂性，我们看到单个代理的时间开始呈指数级增长，而由于并行化，Y 轴上的执行时间保持非常非常低，表明它扩展性更好。在这里，你可以看到我们节省了多少时间，4.5 倍，3.7 倍，也就是说，你节省了很多时间。现在让我们来看一个 100 个子代理工作的例子。在这里你可以看到图形界面。就是 Kimi 的界面。好的，我们从头开始。嗯，你可以看到它被发送了提示。从这个提示开始，你看，Agent Swarm，100 个任务，它为每个代理分配一个名字，Janis，Gannon，K，Parker 等等。你可以在这里看到它在任务中的进度，好的？所以你可以滚动查看由 Kimi K2.5 自动协调的所有 100 个代理完成的所有任务。这就是好处，你不需要自己协调它们，最后你会找到最终结果。想象一下将这个代理集群用于文档，Excel 文件，表格等等。在另一个例子中，它被加载了 40 个 PDF 进行分析，每个 PDF 有 100 页，好的？文献综述，这些代理需要进行综述，评论，分析，你可以看到每个人写了什么，然后你看到最终的总结。这里，综合预览。这里是完整的最终文档，现在它为我们打开了一个充满用例的世界。这里是批量下载，它下载了嗯，文档，然后对它们进行分类。看，200 份文档已被下载，200 份原始论文被放入六个不同主题的文件夹中。在我看来，并行执行是未来，否则你将花费太多时间等待代理完成任务，它非常适合提高办公室工作的生产力，好的？因为它能够处理真正密集型的任务，拥有大量文件，大规模处理，我们可以看到这里的性能确实非常非常高，它还向你展示了这个例子，它开始处理这个电子表格，添加图片，标题，描述，总之，这将是一个真正令人难以置信的未来，我们将拥有这些助手，它们几乎可以做任何事情。然后它加载了关于薪资的这份文件，你可以看到它是如何分析的。看。幻灯片，演示文稿。在如此短的时间内取得了指数级的进步。所有白领工作现在都面临真正的风险，因为这些代理已经出现。该模型完全免费，这是令人难以置信的。只需前往 Hugin Face 即可下载。好的，它已经有超过 10,965 次下载。让我们看看模型是如何构建的。它是一个专家混合模型，由 384 名专家组成，在推理时，也就是说，当你使用它时，只有 320 亿个参数是活跃的。总共有 1000 亿个参数，也就是说，1 万亿个参数。它是一个真正巨大的模型，只能在数据中心内使用。要尝试 Kimi，你可以前往 Kimi.com，选择代理，例如代理有它的文档，关于演示文稿，你可以选择例如自适应演示文稿或视觉表格，总之，Kimy Code，如果你想开发代码，只需下载它。唯一的问题是，要使用 Kimy Code，你需要付费计划。让我们举一个创建幻灯片的例子，深度搜索结构化交付视觉 5-10 分钟 30-60 分钟。啊，好的，这需要更多时间，但它会开发出更高质量的演示文稿。视觉 5-10 分钟使用 Nano Banana Pro 进行图像部分。在这里，我们可以选择演示文稿的风格，好的？好的，非常棒。我们试试这个 Bau Bau House 的，然后我让它为我新创建的共享办公空间创建这个演示文稿，它叫做 Rizzo Space，初创公司可以在这里工作和创新，他们只需每天花费 10 美元就可以租用空间。我发明了这个新的共享办公空间公司。我们来看看代理开始推理，看看它会拿出什么。演示文稿已准备就绪，我们去看看。预览。很棒。所以，Rizzo Space 每天 10 美元，立即放在最前面，这样每个人都明白成本。下一张幻灯片。好的。初创公司现实。Rizzo Space。它为我们制作了整个演示文稿，生成了图片，解释了一切。准备开始。然后，如果我们愿意，我们可以方便地编辑演示文稿，这已经是一个令人难以置信的功能。太棒了。使用免费帐户，我们可以尝试代理的所有这些功能，也就是 Kim2.5 agent，而要尝试 Kimy Code 的功能，你需要付费计划，我没有，而要尝试启动 100 个代理的功能，你需要最高级别的计划，因为它仍在测试阶段。一个真正有趣的模型，可能会让美国所有公司感到震惊。我非常喜欢他们推出的 Legend Swarm，即训练代理自主生成和协调子代理。我不需要这样做。嗯，我正在焦急地等待科学论文，它还没有发布。目前有主页，技术博客，你可以下载模型，但官方科学论文还没有发布。我非常好奇想了解他们如何用新的并行代理强化学习范式训练这个模型。那么，我们现在有了一个新的范式，我们不再处于代理循环中，而是已经有了并行代理。在下面的评论区写下你的看法。如果你有机会尝试 Kimi 2.5，也请告诉我你的感受，并关注我，以便随时了解这个世界的最新动态。是的。