1 月，一个疯狂的模型大更新季度刚刚过去，刚刚发布新模型 K2.5 的 Kimi，来到一个关键节点。

《智能涌现》获悉，近期 Kimi 在和投资人的沟通中表示，公司的海外收入已超过国内收入，新模型 K2.5 发布后，全球付费用户已有 4 倍增长。

这一变化恰好发生在新一代模型 K2.5 发布后的短短几天内。

继上一代模型 K2 发布会后，K2.5 继续引发了海外热潮。在 Openrouter 上，K2.5 的排名已经来到第三位，仅次于 Claude Sonnet 4.5 和 Gemini 3 Flash。

事实上，前一代模型 K2 发布后，Kimi 从 10 月开始商业化，进程已经算很快。

2025 年末的内部信中，杨植麟提到，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超过 170%。

1 月 27 日，Kimi 发布并开源 K2.5 模型，这是 Kimi 迄今最智能的模型，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。

在 HLE（人类最后考试）、BrowseComp、SWE-Bench Verified 等基准测试中，K2.5 都能达到开源 SOTA，部分指标超越 GPT-5.2、Claude Opus 4.5 等闭源模型。

如果说 DeepSeek 用 R1 证明了中国大模型在推理能力上的突破，那么 Kimi 则在这个基础上，去往一条特别的路——让 AI 学会 " 团队作战 "。

从 K1.5 到 K2.5，Kimi 这一年的模型迭代路径非常清晰：如何让 AI 更像一个真正的智能体，而不仅仅是一个聊天机器人。

如果说，K1.5 时代，Kimi 还是专注在让模型能够理解和生成更长的文本；K2 是 "Scale steps" ——通过 Agent 任务能力的提升，让模型能够执行更复杂的操作。

最新的 K2.5，则是探索用 Agent 集群的方式，让 AI 学会 " 团队作战 "。

在实际应用中，K2.5 可以调度多达 100 个 Agent，并行处理 1500 个步骤，这极大拓展了 Agent 的实用性。在大规模信息收集场景下，Agent 集群将效率提升了 3 到 10 倍。

比如，一个 Agent 集群的典型场景是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；从一段录屏中识别 UI 交互逻辑，直接生成完整的前端代码；对 Word 文档进行批注修订、Excel 数据建模、PPT 自动生成、PDF 翻译编辑等办公自动化任务等等。

为什么会采用 AI 团队作战的方式？在 1 月 29 日的 Reddit AMA（Ask MA Anything）中，杨植麟表示：

" 高质量数据的增长速度赶不上算力的增长，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少。但我们可以通过其他方式扩展，比如 Agent Swarm ——并行执行子任务的代理数量扩展。这可以被视为测试时扩展的一种形式，同时也提供了训练时扩展的方式。"

在 K2.5 发布后，Kimi 的路线已经越来越像 Anthropic+Manus。

在模型上，Kimi 选择对标 Anthropic，专注基础模型智能上限，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。

从成立至今，Kimi 团队仅有 300 人左右，这个团队规模是不少大厂的十分之一。" 用 1% 的算力资源，研发出全球领先模型 " 是 Kimi 的现状。

走 Anthropic 路线，算法、效率创新是核心，这意味着技术路线的选择会变得无比重要。

创业公司的资源有限，也倒逼 Kimi 只能做那些最重要、最前沿的探索。比如此前全球首个在大规模 LLM 训练中跑通 Muon 优化器、自研线性注意力机制 Linear 等等，都属于这样的创新。

在产品上，Kimi 已经形成了清晰的布局：一方面，API 端面向开发者，通过 Kimi API 开放平台吸引全球开发者。

而在 C 端用户上，则明确了做生产力工具的定位。

Kimi 在有意将产品做得更通用，并且品牌也更集中。并且也更符合一个细节是，此前 Kimi 已经内测了面向 C 端用户的 Agent 产品 OK Computer，而在这一次的更新中，它被改名为 Kimi Agent。

在不少产品用例上，不难发现，Kimi 正在试图将产品做得更有品味，根据不同的主题做更好的风格化。

比较突出的是复杂场景中的可编辑性，这更加依赖模型能力。比如在生成 PPT、用 Excel 生成动画后，用户在 Kimi 中还可以自动拆分元素编辑，这进一步提升了可用性。

在 12 月初，Kimi 总裁张予彤曾表示：" 要找到自己的叙事，找到自己真正擅长的事情。与资源更多的大公司竞争时，我们会刻意控制业务边界，专注大模型层、逻辑层、Agent 层，以及深入研究、PPT、数据分析、网站开发这类偏生产力、偏复杂任务的链路。"

如今各家模型厂商都有自己押注的重点 Agnet 场景，Coding、Office 都属于此类。这些场景的特点是，都是刚需场景，一旦做好，商业化前景也比较明确，而且非常依赖模型能力的提升。

对 Kimi 来说，要做 " 一方 Agent"，挑战依然不小，这意味要在基础模型依然保持在第一梯队的同时，还要将 C 端产品做得有品位，拥有独特的用户心智。