ITBear旗下自媒体矩阵:

Kimi海外收入反超国内 新模型K2.5引领AI团队作战新潮流

   时间:2026-01-30 19:05:42 来源:互联网编辑:快讯 IP:北京 发表评论无障碍通道
 

近期,人工智能领域迎来重要动态,大模型公司Kimi在海外市场取得显著进展,其海外收入已超越国内收入,新模型K2.5发布后,全球付费用户数量实现4倍增长,这一变化在短短数日内便迅速显现。

Kimi的新一代模型K2.5自发布后便在海外掀起热潮。在Openrouter平台上,K2.5的排名迅速攀升至第三位,仅次于Claude Sonnet 4.5和Gemini 3 Flash,展现出强大的竞争力。此前,前一代模型K2发布后,Kimi从10月开启商业化进程,步伐较为迅速。在2025年末的内部信中,公司创始人杨植麟透露,自2025年11月以来,Kimi的海外API收入增长4倍,海外和国内付费用户数月度环比增速均超过170%。

1月27日,Kimi正式发布并开源K2.5模型,这是其迄今为止最智能的模型。该模型采用原生多模态架构,能力覆盖视觉理解、代码生成、Agent集群、思考与非思考模式等多个领域。在HLE(人类最后考试)、BrowseComp、SWE-Bench Verified等基准测试中,K2.5均达到开源SOTA水平,部分指标甚至超越GPT-5.2、Claude Opus 4.5等闭源模型。

与DeepSeek在推理能力上取得突破不同,Kimi选择了一条独特的发展路径——让AI学会“团队作战”。从K1.5到K2.5,Kimi的模型迭代路径十分清晰,目标始终是让AI更接近真正的智能体,而不仅仅是聊天机器人。K1.5时代,Kimi专注于提升模型理解和生成长文本的能力;K2则通过提升Agent任务能力,使模型能够执行更复杂的操作;而最新的K2.5则探索用Agent集群的方式,让AI实现“团队作战”。

在实际应用中,K2.5展现出强大的实用性。它可以调度多达100个Agent,并行处理1500个步骤,极大地拓展了Agent的应用范围。在大规模信息收集场景下,Agent集群将效率提升了3到10倍。例如,它可以检索近三个月内所有关于集群式agent的文献,整理成Excel并提炼核心发现;从录屏中识别UI交互逻辑,直接生成完整的前端代码;还能完成Word文档批注修订、Excel数据建模、PPT自动生成、PDF翻译编辑等办公自动化任务。

对于为何采用AI团队作战的方式,杨植麟在1月29日的Reddit AMA活动中给出了解释。他表示,高质量数据的增长速度无法跟上算力的增长,传统的“用互联网数据预测下一个token”的扩展方式带来的改进越来越有限。而通过Agent Swarm——并行执行子任务的代理数量扩展,可以作为一种新的扩展方式,这既是测试时扩展的一种形式,也提供了训练时扩展的途径。

K2.5发布后,Kimi的发展路线愈发清晰,类似于Anthropic与Manus的结合。在模型方面,Kimi对标Anthropic,专注于提升基础模型的智能上限,并通过开源建立技术影响力。从K2开始,Kimi的模型权重和工具链全部开源,开发者可以选择本地或云端部署。尽管Kimi团队仅有300人左右,规模仅为不少大厂的十分之一,但他们凭借“用1%的算力资源,研发出全球领先模型”的现状,在资源有限的情况下,只能聚焦于最重要、最前沿的探索。此前,Kimi在全球首个大规模LLM训练中跑通Muon优化器、自研线性注意力机制Linear等创新,便是这一策略的体现。

在产品布局上,Kimi也形成了明确的规划。一方面,通过Kimi API开放平台面向开发者,吸引全球开发者参与;另一方面,在C端用户层面,明确将产品定位为生产力工具。Kimi有意将产品做得更加通用,品牌更加集中。此前内测的面向C端用户的Agent产品OK Computer,在本次更新中被改名为Kimi Agent,便是这一策略的体现。Kimi还在努力提升产品的品味,根据不同主题进行更好的风格化设计。

在复杂场景中,Kimi注重产品的可编辑性,这高度依赖模型能力。例如,在生成PPT、用Excel生成动画后,用户可以在Kimi中自动拆分元素进行编辑,进一步提升了产品的可用性。12月初,Kimi总裁张予彤曾表示,在与资源更多的大公司竞争时,Kimi会刻意控制业务边界,专注于大模型层、逻辑层、Agent层,以及深入研究、PPT、数据分析、网站开发等偏生产力、偏复杂任务的链路。

当前,各家模型厂商都在重点押注Agent场景,Coding、Office等领域成为竞争焦点。这些场景具有刚需特点,一旦做好,商业化前景明确,且高度依赖模型能力的提升。对于Kimi来说,要成为“一方Agent”,挑战依然不小,需要在保持基础模型处于第一梯队的同时,将C端产品做得有品位,形成独特的用户心智。

 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  争议稿件处理  |  English Version