前端同事看走眼了，这个“游戏网页”其实全是AI写的!

作者｜ 木子、高允毅

Vibe Coding 的进化速度，可能还是超乎了我们的想象。

今天，我们在测试 Kimi K2.5 的网页生成功能时，旁边的前端开发同事还以为是真实的网页场景，低声问我：“你这是在写代码吗，还是在摸鱼打游戏？”

直到我说出这是 AI 生成的，而且是只用了几句话就做出来的效果，这让她大为惊讶。

该网页长这样，现在如果不明说的话，确实已经难辨“真假”。

Kimi K2.5 在今天刚刚上新，它没有把重点放在“单项能力突破”上，而是试图把视觉理解、代码生成、交互设计，以及多 Agent 协作，都压进了同一个模型里，一口气提供了四种使用模式。

在笔者看来，其中最有意思的，当属Agent 集群模式——这也是在国内 AI 上第一次出现的功能，它可以让原本耗时数天的工作，现在仅需十几分钟就能做完，简直是指数级的提效。

比如，要做 100 家公司的市场调研，它能指挥一群不同行业背景的“分析师”分头行动，十几分钟出结果，而不是几个星期；面对 300 页的复杂翻译项目，它能动员一个“语言学专家”团队，快速、准确地完成交付。

四种模式具体如下。不同需求的用户，从随手一问，到需要并行推进的复杂任务，都能找到明确的入口：

• 快速模式，提供最快的响应体验。

• 思考模式，可以用来解答复杂问题。

• Agent 模式，擅长深度研究、PPT、Excel、Word、PDF 和网页生成等任务——目前 K2.5 已经开始掌握 Office 套件的核心技能，其协助办公的能力不容小觑。

• 重磅全新模式：Agent 集群模式，适合需要并行处理的复杂任务

另外，新编程产品Kimi Code不仅能直接在终端里运行，还能无缝集成到 VSCode、Cursor、Zed 这些 IDE 里，支持直接输入图片和视频。

月之暗面 CEO 杨植麟，这次亲自为新模型发布录制了视频。

1 Kimi K2.5 实测

看起来很强是一回事，那用起来是不是另一回事？以下是各种实操案例，InfoQ 也上手测了几组。

几分钟搓出前端网页，动效自然，还能有声音

为了测试 Kimi K2.5 的视觉理解能力和 Vibe Coding 水平，我们首先直接甩出一张产品页面截图，再配上几句文字描述，看看它能不能自己看懂、自己理解，顺手还能复刻出一个像模像样的产品页面。

比如让K2.5做个一个最近很火的心灵疗愈类项目，给的Prompt如下：

模仿情绪疗愈类产品，生成一个情绪记录类APP，适合年轻人释放情绪，让人一眼觉这里允许脆弱的地方。可以说，这个 Prompt 并不友好：提示不多，要求不少，还同时考验了它的视觉理解能力、逻辑思维、产品思维以及设计审美。

可以说，这个Prompt提示不多，要求不少，对模型视觉理解能力、逻辑思维、产品思维以及设计审美能力都是考验。

从结果看，K2.5对“情绪”这个概念本身是有一定理解和思考的。它生成的是一个以沉浸体验为核心的情绪页面，而不是常规的情绪记录工具。

视觉上，明显没走浅色卡片流那条老路，而是用了低对比背景、连续画面和节奏型动效（类似呼吸或旋涡），交互重点放在“停留”和“进入状态”上。

在功能组织上，输入、反馈和过渡是连在一起的：用户不是“点一个按钮开始记录”，而是被自然引导进入输入状态——这种设计说明它在生成时已经考虑了状态流转，而不是只输出一个静态页面。

接下来，我们不再给任何视觉参考，只输入文字提示，让 K2.5独立完成整个网页设计。

我们给的 Prompt 很简单：

做一个类似 4399 的小游戏平台，要有完整的游戏分类频道；但视觉审美要大厂级、高端网游风，整体要酷炫、有冲击力，并且可交互。

说实话，Kimi K2.5 的输出结果确实有点超乎我们的预期。

它给出的页面，既贴合主题，又有高级感；模块分区赏心悦目，视觉层级清晰，呈现方式更接近内容推荐平台，而不是简单的列表堆叠——比起几年前的那些小游戏网页可谓降维打击。

在笔者看来，就这类前端生成任务而言，Kimi K2.5 已经可以算是站到了 Vibe Coding 第一梯队，其审美力和全球大热的 AI 工具 Lovable 有不少共通之处。

类似的例子还有不少。下面这些网页，都是 K2.5 在图像生成工具的辅助下，仅凭一条 Prompt直接生成的完整原型。

除了做整个页面，我们还单独测评了一下K2.5 对动效的理解能力。

左侧是我们输入的一段小视频，右侧是它生成的效果。结果 K2.5几乎是完整复刻，拖动鼠标，图片会随之产生位移变化，逻辑和节奏都对得上，动效也足够丝滑。

也就是说，K2.5 不是在“画动效”，而是真的理解了交互在时间维度上的设计意图。

这对开发和设计而言，意味着动效不再必须从一堆参数和曲线开始，而是可以先把想法直接跑成一个可交互的原型，用几分钟看清值不值得投入工程成本。

以前要干好几天的活，十几分钟就能搞定

至于 K2.5 的Agent 集群模式，最直观的能力就是：把时间尺度直接拉短了。过去需要“按天算”的复杂任务，现在往往 十几分钟就能跑完一整轮。

来看一个实测例子。

一次性向 Kimi 的 Agent 集群投喂了40 篇论文，主题横跨心理学与 AI。任务是，在此基础上产出一份系统性的研究综述。

Kimi 的处理流程大致分成了三步：第一步，完整通读。主 agent 多次调用工具，按顺序把 40 篇论文逐篇过了一遍，确保所有关键信息都被纳入同一上下文，而不是零散记忆。

第二步，并行写作。在理解整体结构后，Kimi 自动派生出多个子 agent——可以理解为它的“分身”，分别负责不同章节的撰写，各自并行推进。

第三步，统一收敛。主 agent 最后回到台前，负责校对、取舍和整合，把各个子 agent 的成果汇总成一份长达几十页的专业 PDF 级综述。

整个过程里中，几乎看不到人工干预。

2 当Transformer开始吃力，K3可能用上原创架构KDA

我们先后测评了一整天，总体感受很明确：

Kimi K2.5 在自己擅长的多个方向上，已经跑得相当顺了。比如网页设计生成、动效理解、多Agent 协作等场景，完成度和稳定性都比较成熟。不过也有短板，比如在 3D 建模这类强几何约束的任务上，表现还欠佳。

当这些能力被一项项跑出来之后，更现实的问题也浮现出来：如果这些复杂推理真的要被当成日常能力反复调用，底层的计算方式还能不能长期扛得住？

月之暗面给出的一个解法，是Kimi Linear，而Kimi Linear中的一个核心创新点，是一个新的实验性架构：KDA（Kimi Delta Attention），一种线性注意力模块的相关思路。

杨植麟此前在Reddit上的AMA（Ask Me Anything）等公开交流中已经透露，下一代K3模型，可能会使用月之暗面的这个新架构KDA。

要讲清楚KDA的优势，我们还得先从Transformer架构说起。

本质上，Transformer的注意力机制是全连接的：每个 token 都要和上下文里的其他 token 打一次交道。结果，输入一长，计算量就按平方增长（O(N²)）；生成新 token 时，还要不断回查之前的 KV Cache。

当上下文一拉长，显存压力迅速飙升，尤其是在 128K以上的场景里，几乎是“显卡先崩，钱包随后”。

——而且模型越强，这个问题就越明显。

也正因为如此，过去几年里，线性注意力一直是业内反复被拿出来讨论的一条路：把注意力计算从 O(N²) 压到 O(N)，让模型跑得更快、也更省。

但现实是，早期不少线性注意力方案确实快了，却很难兼顾记忆能力：信息留不住，推理质量也跟着打折。

而KDA的核心思想可以概括为一句话：不再每次都“全量算一遍注意力”，而是每次只计算“状态 + 增量（Delta）更新”。

这里的Delta（增量）是关键。

在保持模型能力的同时，显著降低长上下文和连续推理的计算成本——思路有点像 MoE 架构。

3 One more thing

在测试 Kimi K2.5 的视觉理解能力时，我们索性出了一道“狠题”。

——甩过去一段动画，让它先吃透画风和叙事方式，再换个主题，重写一支动画脚本。说实话，这活儿对专业动画师来说都不轻松，我们还特意把 “Agent 集群”模式打开了。

结果最有意思的不是生成内容本身，而是页面最底下那行小字：

“这个任务 Kimi 自己就能完成，不需要 Agent 集群。部分额度已退回。”

体验传送门：

https://www.kimi.com/