[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-kimi-k25-moonshot-open-model-elite-zh":3,"article-related-kimi-k25-moonshot-open-model-elite-zh":28,"series-model-release-d4969444-3b01-40cb-8411-c422b535cdf1":83},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":11,"views":25,"created_at":26,"published_at":27,"topic_cluster_id":11},"d4969444-3b01-40cb-8411-c422b535cdf1","kimi-k25-moonshot-open-model-elite-zh","Kimi K2.5 上線：開源模型打進第一梯隊","\u003Cp>Mo\u003Ca href=\"\u002Fnews\u002Fcanonical-ubuntu-risc-v-2026-desktop-server-zh\">on\u003C\u002Fa>shot AI 在 2026 年 1 月 27 日推出 \u003Ca href=\"https:\u002F\u002Fwww.moonshot.cn\u002F\" target=\"_blank\" rel=\"noopener\">Kimi K2.5\u003C\u002Fa>。這次不是小修小補。它直接丟出 256K token context、1 兆參數 MoE 架構，還給你 MIT 授權。講白了，這種組合很少見。\u003C\u002Fp>\u003Cp>更狠的是，它還有免費入口。你不用先刷卡，也能摸到接近旗艦級的體驗。對台灣開發者來說，這種模型最實際的意義很簡單：你可以先拿它跑真實工作，再決定要不要付費。\u003C\u002Fp>\u003Cp>如果你只看一句話，重點就是這個。Kimi K2.5 把「開源模型只能便宜不能強」這種老觀念，狠狠敲了一下。\u003C\u002Fp>\u003Ch2>Moonshot 這次到底端了什麼\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.moonshot.cn\u002F\" target=\"_blank\" rel=\"noopener\">Moonshot AI\u003C\u002Fa> 是北京新創，2023 年成立。創辦團隊裡有前 \u003Ca href=\"https:\u002F\u002Fwww.bytedance.com\u002F\" target=\"_blank\" rel=\"noopener\">ByteDance\u003C\u002Fa> 成員。公司背後也有 \u003Ca href=\"https:\u002F\u002Fwww.alibabagroup.com\u002F\" target=\"_blank\" rel=\"noopener\">Alibaba\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.hsg.com\u002F\" target=\"_blank\" rel=\"noopener\">HongShan\u003C\u002Fa> 的資金。這種背景很現實，代表它不是只想做 demo。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775272373330-xkt6.png\" alt=\"Kimi K2.5 上線：開源模型打進第一梯隊\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>Moonshot 一開始就押兩件事。第一是長 context。第二是 agent 行為。這兩件事看起來很學術，實際上很務實。因為真實工作裡，文件都很長，任務也很碎。\u003C\u002Fp>\u003Cp>Kimi K2.5 延續這條路。它能處理文字、圖片、影片。它也能切換成多步驟執行模式。這表示它不是只會聊天。它想做的是幫你把一串工作拆開，再一段段處理。\u003C\u002Fp>\u003Cul>\u003Cli>256K token context\u003C\u002Fli>\u003Cli>1 兆參數 MoE 架構\u003C\u002Fli>\u003Cli>32B active parameters\u003C\u002Fli>\u003Cli>支援文字、圖片、影片\u003C\u002Fli>\u003Cli>MIT 授權，權重可在 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002F\" target=\"_blank\" rel=\"noopener\">Hugging Face\u003C\u002Fa> 找到\u003C\u002Fli>\u003Cli>可在 \u003Ca href=\"https:\u002F\u002Fkimi.com\" target=\"_blank\" rel=\"noopener\">kimi.com\u003C\u002Fa> 免費使用\u003C\u002Fli>\u003C\u002Ful>\u003Cp>256K context 不是拿來炫技而已。Moonshot 的說法是，大概可塞 350 到 500 頁文字。這對法務、研究、產品規格書、技術文件都很有感。你不用一直切檔，也不用一直餵摘要。\u003C\u002Fp>\u003Cp>MoE 架構也很重要。因為不是每個 token 都要啟動整個模型。這能把推理成本壓下來。說白了，這就是它能做免費版的原因之一。\u003C\u002Fp>\u003Ch2>Agent Swarm 為什麼這麼吵\u003C\u002Fh2>\u003Cp>這次最容易被拿來討論的功能，就是 \u003Ca href=\"https:\u002F\u002Fwww.moonshot.cn\u002F\" target=\"_blank\" rel=\"noopener\">Kimi\u003C\u002Fa> 的 \u003Ca href=\"\u002Fnews\u002Fcursor-3-unified-workspace-agents-zh\">Agen\u003C\u002Fa>t Swarm。它不是單線跑到底。它可以把任務拆成很多子任務，再同時派出最多 100 個專門 agent 去做。\u003C\u002Fp>\u003Cp>這種設計很適合研究、競品分析、資料整理。因為這些工作最浪費時間的地方，不是推理本身，而是找資料、比資料、整理資料。Agent Swarm 就是在砍這段時間。\u003C\u002Fp>\u003Cp>如果你要查 10 個網站、比 5 份報告、再做一份摘要，傳統單線流程很容易卡住。Swarm 模式則比較像小型研究團隊。它不是一個人在硬幹，是一群人分工。\u003C\u002Fp>\u003Cblockquote>\"The model has 1 trillion parameters but uses a Mixture-of-Experts architecture: only 32 billion are active at any given moment.\"\u003C\u002Fblockquote>\u003Cp>這句話很值錢。因為它把產品策略講得很清楚。Moonshot 不是只想拼模型大小。它是在拼工作流。拼長 context。拼平行處理。\u003C\u002Fp>\u003Cp>我覺得這是比較務實的方向。因為企業買單的，常常不是最會考試的模型，而是最省時間的模型。\u003C\u002Fp>\u003Cp>如果你想看更多 agent 工具，可以順手看我們整理的 \u003Ca href=\"\u002Fnews\u002Fai-agent-tools-for-managers\" target=\"_blank\" rel=\"noopener\">AI agent 工具清單\u003C\u002Fa>。那篇會更容易看出 Kimi 放在哪個位置。\u003C\u002Fp>\u003Ch2>數據怎麼看，才不會被榜單騙\u003C\u002Fh2>\u003Cp>先講白的。Kimi K2.5 不是每一項都贏。它也不是那種「全項第一」的神話機器。但它的分數，已經夠讓人把它放進旗艦討論圈。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775272371777-dizb.png\" alt=\"Kimi K2.5 上線：開源模型打進第一梯隊\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>在一些 benchmark 上，它真的很能打。尤其是 agentic search、影片理解、長文工作。這三個方向，正好都是實務很常碰到的痛點。\u003C\u002Fp>\u003Cp>下面這組數字很有參考價值。你不用把它當神諭，但可以看出趨勢。\u003C\u002Fp>\u003Cul>\u003Cli>HLE with tools：Kimi K2.5 50.2%，GPT-5.2 45.5%，Claude Opus 4.5 43.2%\u003C\u002Fli>\u003Cli>BrowseComp：Kimi K2.5 78.4%，GPT-5.2 54.9%，DeepSeek V3.2 67.6%\u003C\u002Fli>\u003Cli>SWE-Bench Verified：Kimi K2.5 76.8%，GPT-5.2 80.0%，Claude Opus 4.5 80.9%\u003C\u002Fli>\u003Cli>AIME 2025：Kimi K2.5 96.1%，GPT-5.2 100.0%，Claude Opus 4.5 92.8%\u003C\u002Fli>\u003Cli>VideoMMMU：Kimi K2.5 86.6%，GPT-5.2 85.9%，Claude Opus 4.5 84.4%\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這些數字透露一件事。Kimi 在搜尋和影片理解上很兇。可是在程式碼與數學上，它還是略輸 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa> 的旗艦。\u003C\u002Fp>\u003Cp>但差距沒有大到不能用。這就是重點。很多團隊不是要拿模型去考奧林匹亞。大家要的是，能不能更快完成一份報告，或更穩地跑完一個研究流程。\u003C\u002Fp>\u003Cp>源文也提到，Kimi 在管理任務測試裡表現很穩。像溝通、規劃、分析、學習、問題解決，都維持在高檔。這種穩定性很重要。因為日常工作最怕模型今天正常，明天失控。\u003C\u002Fp>\u003Ch2>跟其他中國模型比，差在哪\u003C\u002Fh2>\u003Cp>如果只看中國模型圈，Kimi K2.5 不是唯一強者。但它的定位很完整。它不是只強一個面向，而是把搜尋、分析、多模態、agent 行為一起包進來。\u003C\u002Fp>\u003Cp>這點很像工具箱。你不會每次都想開\u003Ca href=\"\u002Fnews\u002Fcursor-vs-windsurf-4-tasks-same-prompts-zh\">四個\u003C\u002Fa>模型。你想要的是一個能先上手的主力。Kimi 就是在搶這個位置。\u003C\u002Fp>\u003Cp>它的競爭對手也很明確。\u003Ca href=\"https:\u002F\u002Fminimaxi.com\u002F\" target=\"_blank\" rel=\"noopener\">MiniMax\u003C\u002Fa> 在團隊管理任務上更亮眼。\u003Ca href=\"https:\u002F\u002Fchat.qwen.ai\u002F\" target=\"_blank\" rel=\"noopener\">Qwen\u003C\u002Fa> 在規劃上更強。\u003Ca href=\"https:\u002F\u002Fdeepseek.com\u002F\" target=\"_blank\" rel=\"noopener\">DeepSeek\u003C\u002Fa> 在價格效率上很兇。Kimi 的優勢則是整體廣度。\u003C\u002Fp>\u003Cul>\u003Cli>Kimi K2.5：整體最均衡，搜尋強，免費入口友善\u003C\u002Fli>\u003Cli>MiniMax M2.7：團隊管理任務更突出\u003C\u002Fli>\u003Cli>Qwen3.5 Plus：規劃能力更強\u003C\u002Fli>\u003Cli>DeepSeek V3.2：每 token 成本更低\u003C\u002Fli>\u003Cli>GLM-5：HR 與回饋類任務表現亮眼\u003C\u002Fli>\u003C\u002Ful>\u003Cp>價格也很現實。源文提到，Kimi 的付費方案有 19、39、199 美元三種。API 成本做一份 100 頁報告，也比 Claude Opus 4.5 低，還比 GPT-5.2 便宜。\u003C\u002Fp>\u003Cp>但它不是萬能。它在英文和中文最強。其他語言的品質會掉。這點很值得注意。台灣團隊如果常寫英文，通常沒問題。可如果你要混西文、德文、法文，就要先測。\u003C\u002Fp>\u003Cp>所以我會這樣看。Kimi 不是拿來取代所有模型。它比較像你工作台上的一把大扳手。很多場景都能用，但不是每顆螺絲都最合。\u003C\u002Fp>\u003Ch2>這波對產業代表什麼\u003C\u002Fh2>\u003Cp>這件事最有意思的地方，不在於又多了一個大模型。真正有意思的是，開源模型和閉源旗艦之間的差距，正在變得沒那麼好看。\u003C\u002Fp>\u003Cp>過去很多團隊會直接假設，最強模型一定在美國，而且一定要付高價。現在這個假設開始鬆動。中國團隊已經能做出接近第一梯隊的產品，而且還能把授權放開。\u003C\u002Fp>\u003Cp>這對開發者很實際。你可以先用 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002F\" target=\"_blank\" rel=\"noopener\">Hugging Face\u003C\u002Fa> 上的權重做測試。你也可以直接用 \u003Ca href=\"https:\u002F\u002Fkimi.com\" target=\"_blank\" rel=\"noopener\">Kimi\u003C\u002Fa> 網頁版跑真實任務。這種可接觸性，對小團隊很重要。\u003C\u002Fp>\u003Cp>長 context 也會繼續變成主戰場。因為企業文件、程式碼庫、客服紀錄、會議記錄，都不是短文。誰能把長資料吃進去，誰就更容易進到工作流程裡。\u003C\u002Fp>\u003Cp>Agent 也會越來越像標配。不是每個模型都要會下棋，但很多模型都得會分工。這一點，Kimi K2.5 已經先踩進去了。\u003C\u002Fp>\u003Ch2>我會怎麼建議你試\u003C\u002Fh2>\u003Cp>如果你是工程師，先拿它做一個真實任務。不要拿「幫我寫一段 JS」這種玩具題。那種測不出差異。你要給它長文件、10 個來源、或一份需要比對的研究題目。\u003C\u002Fp>\u003Cp>如果它能幫你把 2 小時壓到 40 分鐘，這就有價值。不是因為它很潮，是因為它真的省時間。AI 工具最後還是要回到這件事。\u003C\u002Fp>\u003Cp>如果你是產品或管理角色，我會先看三件事。第一，長 context 有沒有用到。第二，中文與英文品質夠不夠。第三，成本能不能壓在可接受範圍。\u003C\u002Fp>\u003Cp>我的判斷很直接。Kimi K2.5 值得測，而且應該優先測在研究、分析、文件整理這些工作流。下一步不是問它多強，而是問它能不能真的幫你少開幾個分頁。\u003C\u002Fp>","Moonshot AI 的 Kimi K2.5 在 2026\u002F1\u002F27 上線，主打 256K context、Agent Swarm、MIT 授權，還把多項 benchmark 拉到和 GPT、Claude 同一張桌子。","mysummit.school","https:\u002F\u002Fmysummit.school\u002Fblog\u002Fen\u002Fkimi-k25-moonshot-review-2026\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1775272373330-xkt6.png","model-release","zh","ef474db1-b529-4aee-8a73-6a8dbbf881b5",[17,18,19,20,21,22,23,24],"Kimi K2.5","Moonshot AI","開源模型","LLM","Agent Swarm","256K context","MoE","GPT-5.4",5,"2026-04-04T03:12:36.705829+00:00","2026-04-04T03:12:36.564+00:00",{"tags":29,"relatedLang":42,"relatedPosts":46},[30,31,33,35,38,40],{"name":19,"slug":19},{"name":18,"slug":32},"moonshot-ai",{"name":20,"slug":34},"llm",{"name":36,"slug":37},"agent swarm","agent-swarm",{"name":23,"slug":39},"moe",{"name":22,"slug":41},"256k-context",{"id":15,"slug":43,"title":44,"language":45},"kimi-k25-moonshot-open-model-elite-en","Kimi K2.5: Moonshot’s Open Model Joins the Elite","en",[47,53,59,65,71,77],{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"8810b91a-9aa2-4cd6-a58b-18fad5897423","devin-booker-sedona-mcdonalds-shoe-launch-zh","Booker把Sedona麥當勞變鞋款發表場","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780510686292-fm1k.png","2026-06-03T18:17:31.966783+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"d4d7e664-cc7f-4211-a733-b7c111b86bd6","best-open-source-llms-2026-ranked-zh","2026 最佳開源 LLM 排名","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780396385004-yyka.png","2026-06-02T10:32:37.264398+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"06774dfe-08eb-4a53-a8f7-36389b462c2b","llama-3-1-70b-specs-benchmarks-deployment-zh","Llama 3.1 70B：規格與部署","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780395481064-5yri.png","2026-06-02T10:17:33.072306+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"e8ee6f00-cf62-41e6-83b7-92ce148fe46e","kill-bill-whole-bloody-affair-4k-blu-ray-zh","《追殺比爾：血腥全集》4K 藍光上市","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780364908972-15qn.png","2026-06-02T01:48:00.707278+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"893178f1-7aba-4a0c-a3cf-1812c9d3283e","almalinux-10-2-9-8-new-stacks-zh","AlmaLinux 10.2 與 9.8 更新了什麼","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780291073047-7bxy.png","2026-06-01T05:17:27.940241+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":13},"9b6f1df5-7240-4afd-bba5-5b58d3b67875","claude-opus-48-vs-47-agentic-upgrades-zh","Claude Opus 4.8 跟 4.7 差在哪","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780225374997-pk0c.png","2026-05-31T11:02:28.501538+00:00",[84,89,94,99,104,109,114,119,124,129],{"id":85,"slug":86,"title":87,"created_at":88},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]