Kimi 上新 K2.5 模型，国产 AI 开始卷审美了？

大家好，这里是K姐。一个帮你追踪最新AI应用的女子！

大模型时代，代码确实越来越廉价了。大数据每天都会推一堆 AI 生成的网页，看多了真的有点审美疲劳。这些网页总有一股浓浓的 AI 味，千篇一律的圆角卡片、卡片阴影、Tailwind 紫、 emoji 表情包…刚好昨天被 Kimi 发布的K2.5模型刷屏了，这次他们主打的就是视觉编程，一张截图、一段视频，就能复刻出几乎一模一样的网页。今天，我们一起实测看看 Kimi K2.5 的“视力”和“品味”到底行不行？

视觉编程测评

首先，我们直接把好看的模板截图发给 Kimi。提示词很简单：复刻这个网站。

确实很惊艳，看得出来，K2.5 会识别和提取画面中的视觉素材，把图片转换成可交互的网页代码。

而且还自动做了响应式布局，可以直接切换手机/电脑网页端预览。

而且他们的 Agent 生成的网页还有一个很人性化的设计，只要点击右上角的编辑按钮，就可以直接在预览界面点选需要修改的地方，用大白话告诉 Kimi 改哪里，就能精准调整。

生成的网页，K2.5 会顺手帮我们部署上线。点击页面右上角的分享，就能直接复制访问链接。

复刻地址：https://rqgcia4tyj2lk.beta-ok.kimi.link

让我们再来考察一下视频复刻的能力。提示词继续延伸简单的风格：帮我复刻一个一模一样的网页。

Kimi K2.5 把视频中的画面特征抓的挺准，布局、色彩搭配、信息层级都还原的很到位，看上去就像照着做出来的一样，AI 味确实淡很多。

视觉理解测评

Kimi K2.5 最关键的底层变化，就是原生的视觉能力，可以直接看懂图片和视频里的界面结构和细节。所以接下来，我们来考察一下非编程领域的视觉能力。这是一张北京鹞儿胡同的照片，图里除了胡同这个元素，没有任何醒目的地标或者文字提示，看看 Kimi 能看出什么。

提示词：判断一下这是在哪里。

Kimi 识别出了这是北京二环的老胡同，锁定了几个大致位置，不过让它直接说出鹞儿胡同看来还有点难。再试试让 Kimi 判断一下画面中靠近车门的男生的身高。

Kimi 几乎是秒答，给我的回答是这位男生的身高大约在 183-188 厘米之间，最可能在 185 厘米左右。龚俊的官方身高是 186 厘米，非常贴近！（我承认，这道题我多少是有点私心的）我们继续上强度，我找了一道25年的行测真题发给 Kimi。

提示词：回答这道行测题。

在短暂的推理后，Kimi 很快抓住了这道题的关键点在于相同图案的相对位置，从而选出了正确答案 D。

到这里，K2.5 视觉能力已经很直观了，虽然猜地点可能没办法精准定位，但视觉推理是长板，能从画面中抽取有效信息，支撑推理。

视觉 Agent 测评

这次除了模型本身，我发现 Kimi 还悄悄上新了一套办公助手的 Agent，主打处理日常工作中的 PPT、Word、Excel 等各类文件需求。我们来看看能否终结 Office手搓时代？

文档 Agent

提示词：结合“双碳”目标背景，论述绿色低碳发展对中国经济高质量发展的现实意义。输出为 1500 字的 pdf 文件，杂志内页风格，双栏排版。

好像已经不用过多描述了，文风契合杂志的要求，杂志内页排版也好看，目前市面上这个文档助手好像没有竞争者。

Agent 集群

从官方介绍来看，Agent 集群是 K2.5 的全新探索——从单一 Agent 进化成 Agent 团队。面对复杂任务，K2.5 能够自主创建自己的「分身」，按需组成不同角色的团队，并行工作。于是我测试了这个提示词：

请五个风格截然不同的中国知名艺术家或IP设计师，为我设计5个系列、每个系列10张的马年主题微信红包封面图片，我希望风格各异。

Kimi K2.5 创建了 5 位不同风格的设计师，并给他们分派图片生成任务。

我们一起看看生成的结果：

5 种风格里新水墨风和水墨风风格有点接近，整体质量都挺不错的，画面清晰，图案也好看，可以直接作为封面图用了。平时自己找真题资料，很难一次性找全，好不容易有比较全面的合集，下载都需要付费。Agent 集群也能帮我把10年真题和解析打包整理好，直接一键下载，这个属实厉害。

提示词：批量下载近10年国考行测真题与答案解析。

除此以外，还可以把收集数据和可视化的工作一起跑。

提示词：详细调研近10年我国各省份的GDP及涨跌变化，并以中国地图热力图的形式可视化展示。默认展示2025年GDP，并支持切换年份。

比如，梁顾问负责收集数据，笛卡尔负责开发一个可交互的热力图网页，静秋负责将梁顾问收集的数据集成到网页中。我们就得到了一份真实可用的热力图网页。

一些分享

Kimi K2.5 主打全能 Agent 模型，拥有了视觉能力，更新了更强的 Office、Coding 能力和无限分身的 Agent 集群。这或许意味着，大模型正在从“搜索引擎、问答助手”，走向“私人 AI 助手”甚至是“商用数字员工”。未来的竞争点不只是参数和榜单，而是谁能在现实工作里替你完成更多环节。很多重复性的脑力工作会被重新定价。内容生产、基础开发、设计初稿、资料整理，这些过去靠经验堆出来的时间成本，会被模型直接压平。最后拼的是审美是否过关，策略是否有效。在你的监督下，把事情做成，才是新的分水岭。