Kimi 的新模型，真的好用吗？

Kimi K2 发布了 2 天，我也测了足足 2 天。

如果仔细观察 Kimi 这次的官方发布稿，不难发现 K2 强调的重点：Agent 与 Coding 能力。

这是很有意思的转变：第一次把模型的通用 Agent 能力放到了极其重要的位置。

而在实测过程中，Kimi 也确实打破了很多刻板印象。

在部分任务中，比起 Claude、Gemini 毫不逊色，并大幅降低 Agent 任务的成本。

如果你有段时间没关注 Kimi，或者一直不太相信国产模型的 Agent / Coding 能力。

那么，本文也许能让你的看法有所改变。（甚至还能用 Kimi 代替 Claude Code，文中附教程）

照例先介绍下 Kimi K2

Kimi 这次只发了 1 款模型——Kimi K2。

我把官方发布介绍，总结了为了一图流，方便你快速浏览 K2 的特点：

关键点如下：

1. 总参数 1T，激活参数 32B 的 MoE 模型

2. 主打代码能力、通用 Agent 任务

3. 在多项 benchmark 基准测试中，获得开源模型中的 SOTA 成绩

4. 完全开源；兼容 OpenAI、Anthropic API 格式

我确实一向不太看各种 BenchMark 跑分，纸面 SOTA 不如自己动手测几个场景。

所以，我也对于主打 Coding、Agent 的 Kimi K2，进行了详尽测试，也希望能帮你建立初步的模型预期。

实测 Kimi K2 表现

一个大模型，要完成一项 Agent 任务，往往需要强大的自主规划与迭代思考能力，以及调用工具做任务的能力。

而 Coding 能力正是 Agent 执行任务的基础，所以先对代码生成能力进行测试：

代码生成：对比 Claude、Gemini，不落下风

AI Coding 领域，用户对模型的挑剔程度无疑是最高的。

大家只会去用最好、最强的模型。（如果没有特殊原因，放着最好的模型不用，就是给自己的 Coding 过程添堵。）

放眼整个 2025 上半年，开发者在用的 AI Coding 模型只有 1.5 个选择：

1. 绝对主力：Claude 3.7 → 4（Windsurf 被曝要被 OpenAI 收购时，有一批用户担心以后不能用 Claude，直接取消了订阅）

2. 偶尔用用的 Gemini 2.5 Pro（用来做 Coding 的方案规划不错；Gemini Cli 最近风评尚可）

所以，要验证模型的 Coding 能力如何，最直观的方式，还是直接和 Claude、Gemini 比一比。

1）生成 3D Html 山脉：初见 Kimi 新水平

Kimi 官方发布中，有一个测试用例表现很厉害：

好奇又将信将疑，到底是“只有 Kimi 这么强”，还是“其实 Claude、Gemini 都能做到”？

于是第 1 个 Case，就实测了这个 3D 山脉 Html 生成任务：

创建一个 3D HTML 山脉场景，包含悬崖、河流和昼夜光照变化。支持拖动和缩放、动画过渡、真实感渐变色，并可切换等高线显示

以下是 Kimi K2、Claude 4 sonnet、Gemini 2.5 Pro 的对比效果，均按第一次生成结果呈现：

（为了确保测试强度拉满，Claude 是默认开启了 Extended-Thinking 模式）

• Kimi：https://www.kimi.com/share/d1p0hqteik6gtjvsri30

• Gemini：https://g.co/gemini/share/f7570f1cbfbe

• Claude：https://claude.ai/share/b154de4a-cc25-4f8d-a963-34b8512560fd

令人惊异，Kimi 在此轮测试中，径直得到了三者中最好的效果：

• Kimi：山脉走势美观、河流覆盖真实，有昼夜系统、真实光影

• Claude：抽象的样式，丢失了河流

• Gemini：有山有水，但效果同样不行

要知道在过往模型测试中，国内模型明显比海外好，是一件非常少见的现象，这点打破了我的刻板印象。

考虑到是官方自己选的 Case，所以还是继续上强度，测一些我自己的真实场景。

2）一图流总结万字长文：依然靠谱

这是一个很高频、实用的任务。也能让你的文章更加好看：

我的每个 AI 产品测试文章都会用 AI 根据文章全文，输出一图流的总结网页。基本只用 Claude、Gemini 生成。

Prompt 如下：

## 以下是我的文章：
[粘贴文章内容]
## 任务
我是 AI 科技评测博主，中立客观。请阅读我的文章中的要点，帮我用类似苹果发布会PPT的Bento Grid风格的视觉设计生成一个中文动态网页展示，具体要求为：
- 尽量在一页展示全部信息，背景为白色、文字和按钮颜色为纯黑色，高亮色为#4D6BFE
- 强调超大字体或数字突出核心要点，画面中有超大视觉元素强调重点，与小元素的比例形成反差
- 网页需要以响应式兼容更大的显示器宽度比如1920px及以上
- 中英文混用，中文大字体粗体，英文小字作为点缀
- 简洁的勾线图形化作为数据可视化或者配图元素
- 运用高亮色自身透明度渐变制造科技感，但是不同高亮色不要互相渐变
- 数据可以引用在线的图表组件，样式需要跟主题一致
- 使用HTML5、TailwindCSS 3.0+（通过CDN引入）和必要的JavaScript
- 使用专业图标库如Font Awesome或Material Icons（通过CDN引入）
- 避免使用emoji作为主要图标
- 不要省略内容要点

这看上去不复杂的任务，实际上考察了两个维度：

1. 准确识别长文本（我测的文章足足有上万字内容）中的内容逻辑，提炼高优先级信息，并重组为结构化表达

2. 根据内容情况，设计合理、美观的排版布局，并用前端代码实现网页

一开始对于不支持 thinking 推理的 Kimi ，在长内容提炼上，没抱有太大的期待。

而这是 Kimi K2、Claude 4 sonnet-thinking、Gemini 2.5 Pro 的表现：

• Kimi：https://www.kimi.com/share/d1pgj4umcu0l65fkirag

• Gemini：https://g.co/gemini/share/a71ade78c832

• Claude：https://claude.ai/share/8e1c8641-97cd-4123-baab-9d8f3f1b6b2b

在整个过程中，除了 Gemini 一次性取得了较好的结果以外，

Kimi 也是一次性生成成功，初版少了些细节，让它增加一些内容细节，也顺利出了更详细的版本：

内容完全正确、表达更详尽、排版更合理。（我猜是因为没有 thinking 模式，在生成过程中对于内容的取舍，Kimi 会略吃亏）

反而是 Claude 4 sonnet-thinking，频频报错，经过 Debug 3 次才取得了完整网页，在布局、样式选用上也不太合理。

所以我当时还在即刻上发了帖子，表示意外：

Kimi K2 已经连续在我测的两个任务里，表现的都比 Claude 4 sonnet-thinking 好了。

甚至有点不敢下这个反“刻板印象”的结论。

这么整体测下来，其实也能看出：

Kimi K2 有审美了，代码生成任务也挺稳定。

模型本身进步很明显，大幅拉近了与国际 TOP 模型的差距，可能可以在日常 Coding 任务中作为不错的模型选择。

Agent 能力测试：在实战里，也能真干活了

但 Kimi K2 在单一文件的代码生成上表现惊艳，是否就能意味着它能胜任更复杂的 Agent 任务？

如 Claude Code、Cursor 等 Coding Agent，无不要求 Agentic 模型自主规划方案、理解项目 context、调用各类 tools 完成 Coding。

换句话说，Coding Agent 场景，是当下最适合考验 Agentic 模型能力的基准场景。

我刚好有个自己在做的产品：Chat Memo，拿来给 Kimi 好好上上强度 😈

于是，用 Kimi K2「夺舍」Claude Code（以下代称为 Kimi-cc），来执行一次真实需要开发迭代的任务：

从 0 理解 Chat Memo 项目，分析完整代码架构，并找到记忆列表卡片的功能与交互逻辑，按指定要求迭代。

（刚好我本周用 Trae + Claude 开发过这个任务，也正好用来比较双方差距）

先输入简单的需求提示：

如图，Claude Code 的 API URL 已是 Kimi 的地址

在 Prompt 发送后，可以看到，Kimi 在收到用户要求后，开始规划任务计划。

然后自主使用 Claude Code 内封装的工具，对完整的项目内容进行查找、分析，并对代码进行修改编写：

……Kimi，你为什么用 Claude 的工具这么熟练啊？总感觉有种 Claude 被 Kimi NTR 的感觉

整个过程很顺利，经过几分钟的 Coding 过程，“Kimi-cc”一次性执行完毕：

为了方便对比最终的 Agent 任务效果，我先展示下迭代之前的原版：

而这是经过 Kimi-cc 自主一次性迭代后的版本：

另外，这是之前 Trae + Claude 4 sonnet 多轮提示后，开发的版本：

甚至我更喜欢 Kimi 的效果细节（hover 的交互样式更加合理，不知道你是否能看出来区别）。

而这项 Agent 任务的费用，我在 Kimi 开放平台看了下 API 用量，只要 5 毛钱。

值得注意的是，Claude Code 中的所有 Prompt、工具，都是为了 Claude AI 自身所开发封装的。

而 Kimi 作为一个外来 Agent 模型，能在未经适配的环境下，体现出了极强的泛化与适应能力，展现了一流的 Agentic 智力。

——说句“Kimi 通过自主使用 CC，实现了 Trae + Claude 4 sonnet 同样的 Coding 实战效果”，并不过分。

Kimi K2 夺舍 Claude Code 的方法，发现自 Github 社区，非官方用法。如感兴趣，下文也提供了详细的教程指引。

小结：Kimi K2 通过 Claude Code ，能稳定完成实际项目的 Coding Agent 任务。值得推荐读者针对自身情况，进一步测试体验。

Btw，你也可以通过 Cline ，接入 Kimi K2 干活。

更多测试：整体顺利，点赞

另外，我也继续用 Kimi Code 测试了很多其他的 Agent 任务，但受限于篇幅，不再一一列举过程。

直接呈现一些关键结果：

1）从 0 到 1，开发一款生死时速 Html 游戏

Kimi 的任务规划：

一次性开发效果如下：

正如上文所言，毕竟 Kimi 用的是 Claude Code 的工具，很多 Prompt、参数的封装和 K2 其实并未做过适配。

在后续迭代测试时，有时会出现Invalid tool parameters的报错，导致任务进程中断，可以理解。也期待 Kimi 下次发布真正的 Kimi Code，充分发挥 K2 的 Agent 能力。

2）批处理本地文件，整合数据为表格

要求 Kimi 自行阅读 48 份 txt 文档，将每篇文档的元信息统一提取制表：

整体也很顺利：

Kimi 生成的 Markdown 文件内容如下：

数据内容没有任何问题。读取本地内容，进行数据处理的任务，同样通过了基础测试。

附：如何用 Kimi K2 使用 Claude Code？

鉴于现在是 2025 年，我们可以用 AI+ 的安装方法——让 Kimi K2 全程指导你安装：

1）安装 Claude Code（如果未装）

1）打开 Kimi Chat，发送以下消息

参考以下网页，一步步指导我在 Mac 终端中安装该程序：
[完整粘贴 Claude Code 官方设置文档：https://docs.anthropic.com/zh-CN/docs/claude-code/setup]

如：

Kimi 会回应你一份比官方文档清晰、易读很多的指导方案：

跟着照做就好。

2）如遇安装问题，不知如何处理？

也很简单。

比如这是出问题的最后一次命令记录 ⬇️

按如下方式粘贴发送给 Kimi：

我在这一步出现问题了，终端记录为：
[粘贴终端中最后一次命令记录]

即可得到下一步回应：

3）替换 Claude Code 为 Kimi Code，即可运行！

当安装完成、运行claude之前，我建议你把终端切到一个测试文件夹中（用于控制读写范围，CC 只能访问该路径下的内容）

cd [路径名称]

成功后，会显示出路径变化：

然后需要替换 Kimi 的 API，输入以下内容即可：

export ANTHROPIC_AUTH_TOKEN=[替换为你的 Moonshot API Key]
export ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic

1.如无 Moonshot API Key ，需前往 https://platform.moonshot.cn/console/api-keys 创建并获取（没余额的话，先到「账户充值」充一点就好）

2.注意！如果你是在 moonshot.ai（海外站）生成的，则要把 ANTHROPIC_BASE_URL 替换为https://api.moonshot.ai/anthropic，不然就无法顺利运行

再运行claude，一切顺利即可看到 welcome 提示：

然后就可以直接输入自然语言，开始让 Kimi 替你试着干点活了。

不止如此：远比 Claude 便宜的价格，以及彻底的开源

还记得上面 Chat Memo 的迭代任务，只花了 0.5 元的 token 费用吗？

其实包含后文的全部测试，全部跑下来也只花了不到 1 美金。

是的，Kimi K2 这个 1T 总参数、32B 激活参数的 MoE 模型，不仅在能力上让人惊喜，在价格和开放性上也有着相当的诚意。

相比 Claude Sonnet 4 的 3 美金/百万 tokens，Kimi K2 只需要其 20% 的价格，即可换来接近的 Coding 表现：

• 每百万输入 tokens：4 元

• 每百万输出 tokens：16 元

也兼容 OpenAI 和 Anthropic 的 API 格式，可以无缝集成到现有的 Agent 程序里，大幅降低了开发者的迁移成本。

所以，除了普通用户可以在 https://www.kimi.com/ 中可以直接体验 K2 外，AI 应用公司们也能通过 API 低成本用 Kimi K2 来构造一些本土 Agent、Coding 应用了。

另外，月之暗面也在同一时间开源了 Kimi K2 的两个版本：

• Kimi-K2-Base：未经过指令微调的基础预训练模型，适合需要进行深度自定义和学术研究的场景。

• Kimi-K2-Instruct：通用指令微调版本，在 Coding / Agent 任务中表现优异，开箱即用。

官方已将模型与权重文件开源至 Hugging Face：https://huggingface.co/moonshotai/Kimi-K2-Instruct

写在最后：Kimi K2，不止于“纸面 SOTA”

横向对比也好、真实场景实测也罢，我觉得可以下一个明确的结论了：

Kimi K2 并非只是在跑分上好看的模型。

在这两天贴近真实环境的测试中，Kimi 切实展现出了接近国际顶尖模型的 Agent / Coding 能力。

它的进步在两个关键维度上肉眼可见：

1. 代码能力不再是短板：无论是一次成型的 3D 动态山脉，还是准确理解上万字长文并生成 Bento Grid 风格一图流，Kimi K2 的代码生成质量和审美，都完全不输 Claude 和 Gemini。这直接打破了我对国产模型“不擅代码、审美一般”的刻板印象。

2. Agent 能力更是惊喜：在「Chat Memo」项目的真实迭代需求测试中，Kimi K2 仅凭 Claude Code 这个未经适配的 Agent 外壳，达到了需要 Trae + Claude 多轮 Prompt 才取得的同等开发结果。

它能从零开始自主理解项目架构、自主规划任务、并调用（非原生的）工具完成开发，已经证明了 Kimi K2 作为 一个 Agentic 模型的核心能力：一流的智力与出色的泛化能力。

（2025 年下半年，凭借越来越好用的国产开源 Agentic 模型，垂直 Agent 赛道无疑将真正卷出天际）

我也让 Kimi K2，自行阅读了本文，让 Kimi 按照它的理解生成了一份 PPT 和一图流总结（AI 自卖自夸），样式真的非常好看：

PPT：https://www.kimi.com/share/d1q4ha9l51j9hfaia26g

长图：https://www.kimi.com/share/d1praevaa0vadk8tesm0

大模型发展到 2025 年中这个阶段，仅靠简单的 Chat 问答测试，已经很难去评判模型水平的高低。

未来模型能力的较量，将发生在各个真实的项目里，发生在每一次 Context 理解、自主规划、工具调用、任务执行中。

届时，衡量是否选用一个模型的标准，将是一个更朴素、也更严苛的复合指标：综合可用性。它包含了三个核心维度：

• 质量： 在我的目标任务上，它能做到什么程度？

• 效率： 它完成任务的速度有多快、多稳定？

• 成本： 完成这个结果，需要多少费用？

谁能让 AI 变得更好用、靠谱、便宜，谁就能在下一阶段的 AI Agent 应用浪潮中，赢得更广泛的开发者与用户。

而这一轮，Kimi K2 准备得相当不错。

文章来自于微信公众号“一泽Eze”。