Kimi K2.5模型实战评测：多模态视觉理解与Agent能力如何赋能无人机巡检

前两天，月之暗面发布了新一代的开源大模型 Kimi K2.5。作为Kimi模型的长期用户，我之前主要用它来解决YOLO识别不准的问题，在YOLO模型识别的基础上，再接入一个零样本的视觉大模型做二次判断。当时用的就是 moonshot-v1-8k-vision 模型，所以这次发布后，我立刻对相关能力进行了测试。

本次发布的 Kimi K2.5 在 Kimi K2 的基础上，使用了约 15T 混合视觉和文本标记进行预训练。如今的 K2.5 是一个原生多模态模型，同时具备编码、图片视频理解以及强大的 智能体 能力，从各项评测指标看，已成为新的SOTA。

虽然月之暗面已经在 HuggingFace 上开源了权重文件，但总体积高达595GB，自行部署的可能性不大。因此，我还是选择老老实实地使用在线环境和API进行测试。

我个人在使用过程中，其实不太关心抽象的指标SOTA。我更看重的是模型能否解决我实际工作中的需求。因此，我围绕几个具体的应用场景对K2.5进行了实测。

一、Agent网站模式：快速生成原型页面

我的日常工作除了写代码，还负责项目和产品的原型绘制。过去通常使用墨刀等工具绘制原型，评审后再交由UI制作高保真图。但现在，得益于大模型工具的进步，原型和UI设计完全可以用一个工具串联完成。我们甚至已经开始直接使用编码大模型根据需求生成前端页面，然后在前端页面上进行调整。

当前，我手头正好有一个需求：一家做机器狗的公司希望合作，将他们的机器狗按我们现有无人机平台的功能模块整合进系统，使其具备巡检能力。同时，我们自己的产品也缺少一个总览大屏页面。于是，我尝试用 Kimi K2.5 的 Agent 网站模式来快速生成这个原型页面。

我的初始提示词是：“我现在要为一个无人机和无人狗智慧校园AI巡检平台创建一个大屏页面，AI巡检平台包括：设备管理、航线管理、AI算法管理、事件管理、巡检任务管理，基于这些信息总结同步生成一个带地图的大屏页面，网站风格使用蓝黑科技风格”。

Kimi 会根据提示词进行任务拆解和功能模块的细化设计。

从具体执行过程看，这里使用的是 AI Coding 中常见的 Agent 模式。可以看到，K2.5 读取了 SKILL.md 文件，理论上它采用了最新的 SKILLS 标准来组织工具。为了保证工具运行环境的一致性，它使用了 Ubuntu 虚拟机，为每个用户提供纯净的环境，有效避免了因本地环境不一致导致工具无法调用的问题，这一点非常必要。

经过两轮微调，我得到了一张符合要求的大屏原型。最关键的是，这个页面由系统自动部署和托管好了，其他人拿到链接即可直接访问，总体满足了我的需求，后续可以直接上会讨论细化方案。

在使用过程中，我还发现这种 Agent 模式的一个优势：它会自动调用图像生成大模型，生成符合要求的设备及事件图像。这非常方便，省去了自己上网搜寻图片的麻烦，同时也规避了后期推广可能面临的图片侵权问题。

二、Kimi Code 模式：代码生成前端页面

除了 Agent 产品，Kimi 在本次还推出了 Kimi Code。前面提到，我们现在常用编码大模型来绘制原型页面。正好，我用同样的需求来测试 Kimi Code 的生成能力。安装过程主要有两个步骤：

1. 先安装 Kimi CLI，然后在 CLI 中通过 /login 进行 Kimi Code 的授权，以及 /setup 进行模型服务地址的配置。
2. 安装 Kimi Code For VS Code 插件，之后就可以在编辑器中输入提示词进行开发。

最终，它生成了这样一个前端大屏页面。从原型角度看，效果也不错，布局与 Agent 网站模式生成的有所不同。但相对于后者，Kimi Code 模式不具备生成图片的能力，图标多用一些卡通符号替代。

三、视觉图片理解：赋能“快慢检测”模式

我现在项目上的一个需求是，希望在目标检测时构建“快慢检测”模式。现在需要验证使用 Kimi K2.5 作为“慢检测”模型的效果。

我们的无人机平台已经支持在地图上绘制 ROI（感兴趣区域），平台会自动将 ROI 逆投影到视频画面中，再使用逆投影后的 ROI 与检测到的目标进行地理围栏判断。

但有时会出现目标检测不准的问题。为了减少误报，最好能通过视觉大模型结合 ROI 进行进一步分析。我输入的测试需求是：让 K2.5 判断「红框中的人是否都佩戴头盔和反光背心」。

Kimi 输出的检测结果清晰准确，并将结果绘制在了原始图片上：两名人员均未佩戴安全帽和反光背心。

接着，我又让它检测：「红框中是否有车辆停放，如果有将车辆绘制到图片上」。它同样比较准确地检测到了三辆车，并进行了标识。

为了进一步增加难度，我决定测试一下 GIS 领域最常见的最短路径规划问题，但这次不是基于结构化的矢量数据，而是直接基于地图截图进行规划。我的指令是：「在图上绘制出以红色五角星为起点，以蓝色五角星为终点的最短路径，不要查询第三方的路径规划接口，直接进行图像识别出道路之后进行规划」。

接下来 K2.5 的推理过程有点让我震惊。过去的模型推理多为文字链式思考，很少展示调用视觉工具的详细过程。而在处理这个需求时，K2.5 开始自己调用 Python 工具：首先提取输入图片中的起点和终点坐标；接着，识别并提取图中的道路网络；最后，基于提取出的道路网络，进行最短路径规划！

四、Agent PPT 模式：一键美化演示文稿

这也是本次 K2.5 推出的一个新功能。对我而言，一个关键痛点是：如何把 PPT 做得既美观又专业。以前在公司，每次做产品或解决方案的 PPT 都会交由美工设计美化。现在没这个条件了，自己做出来的 PPT 往往不够精致。因此，这是我的一个现实需求。

以下是最终美化得到的效果，提升非常显著，瞬间感觉高大上了许多。而且，它还在我原始 PPT 没有的基础上，自动添加了一个团队介绍的页面，并生成了对仗的口号：“看见未来 · 看懂数据，融合时空 · 行动智能”。

五、Agent深度研究：辅助行业研究与产品规划

最后一个测试，聚焦于我日常工作中很重要的一部分：行业研究和产品规划。主要需求是探索如何将现有的无人机管理平台，转化为一个更具行业属性的 AI 巡检平台。

我的需求描述是：「目前我需要将我们的无人机管理平台（包含设备管理、航线管理、飞行任务、算法管理通用模块）转换为AI巡检平台，期望在航线模式以及算法上能够和应用场景更加贴近，针对特定的行业提供固定的范式的选择，减少用户的操作门槛，帮我搜集资料分析确定三个高价值行业的巡检需求，进而得到对应AI巡检平台设计详细的模块功能说明」。

提出需求后，我就去处理其他工作了，让 Kimi 自行运行。晚上有空时，我才去查看它生成的研究报告。报告为我筛选了三个高价值的目标行业：电力能源、石油化工以及交通基础设施。

在航线规划模式上，它针对性地总结了这些行业常用的巡检航线飞行模式，例如输电通道的带状航线、杆塔的部件级精细化航线、储罐的螺旋上升航线等。

在算法层面，报告参考了相关行业的技术规范，归纳出每个行业巡检需要重点关注的问题和技术指标。这对于我们后续的产品规划具有切实的参考价值。

总结

本次对 Kimi K2.5 的测试，基本集中在我日常工作中高频发生的几类任务上。总体感觉，本次月之暗面推出的 K2.5 版本非常有诚意，带来了多个硬核的产品形态。其在视觉理解与 Agent 能力上的表现尤为突出，无论是对于快速原型构建、复杂视觉任务分析，还是辅助研究与决策，都提供了强大的支持。对于从事相关领域开发和产品工作的朋友，非常值得一试。如果你对这类 开源 AI 模型的实际应用有更多想法，欢迎在技术社区交流探讨。