月之暗面发布基模 Kimi-K2，这是全球首个万亿参数且直接开源的 Agentic Model。这也是继 Researcher 之后，Kimi 再次明牌其 “Model as Agent” 的路线，成功地向全世界宣告了 Kimi Back。
而“模型即 Agent”究竟意味着什么？从中又有什么值得我们了解的呢？
为 Agent 而诞生的特工宇宙，本次将与你一起，随 Kimi-K2 进入 “The Second Half”（AI 下半场）。
✍️ 特脑风暴：Agentic Model 是什么？和先前的 Foundation Model 以及 Reasoning Model 区别是什么？
Agentic Model 不只是知识和推理的载体，更是会自主调用工具与环境交互，并根据反馈循环持续学习的智能主体。
-
Foundation Model（基础模型）
-
定位：知识的容器，工作方式：接收输入→检索知识→生成输出
-
局限：只能“说”不能“做”，缺乏与世界的实际交互
-
Reasoning Model（推理模型）
-
定位：思考的大脑，工作方式：分析问题→推理步骤→得出结论
-
局限：虽能深度思考，但仍停留在“纸上谈兵”阶段
-
Agentic Model
-
定位：行动的主体，工作方式：理解意图→制定计划→执行行动→感知反馈→调整策略→积累经验
-
核心价值：将知识和推理转化为实际行动，并从经验中持续进化
-
突破：实现从“知道”→“做到”→“学到”的跃迁
全网评测一览：Kimi K2 面对质疑依然抗打
刚过一个周末，K2 就受到了众多硅谷AI博主与海外权威平台的认可与转发，随之各类测评频出。
美国财经媒体 CNBC：单独撰写 Kimi 专栏，直接将其对标 ChatGPT 与 Claude：
且目前 Kimi K2 已经被 Cline、VSCode 等主流 IDE 集成，据说国内各大 AI Coding 厂商也在积极接入中…
测评一览：
在 Kimi 的技术博客中，K2 在经典权威的自主编程、工具调用和数学推理等 AI Benchmark 中，表现出色，达到了开源模型的 SOTA。
令人惊喜的是，Kimi-K2 同时在第三方的 EQ-Bench（情感智能）及 Creative Writing 评测中也荣登榜首之位，超越了 GPT‑o3、Claude-opus-4和 Gemini-2.5-pro 等一众顶级海外模型。属实可鉴 K2 泛化的文武双全。
除了公允的分数指标外，我们还节选了一些 test case，供大家直观感受 Kimi-K2 的 Agentic 能力：
Case 1. 模拟小行星撞击地球：
Prompt: “make a website that shows 3D Simulation of Asteroids hitting Earth in html”
@chetasluaTwitter 用户通过一句非常简单的提示词，让 Kimi K2 完成了一个 3D 小行星撞击地球的模拟网页。
Link: https://x.com/chetaslua/status/1943668652315758951
Case 2. 搭建《我的世界》：
Prompt：”Write a web version of 3D Minecraft.
– Trees
– Make the textures clearer, use functions to hand-draw the textures yourself, in the Kandinsky style. Don’t just write a link, it won’t load.
– Make the ground smoother”
@cedric_chee 让 Kimi K2 一次性成功创建了网页版 3D Minecraft 游戏。相比之下，同样的任务使用 Gemini 2.5 Pro 则花费了用户 4 天时间和 6 次尝试才成功。
Link: https://x.com/cedric_chee/status/1943707506343035345
Case 3. 搭建宝可梦炉石：
小红书博主@严肃文学教父通过 K2+Trae 的跑出的“宝可梦炉石”。
博主评价：“很丝滑，快来召唤 10 费超梦吧”。
目前 Kimi K2 作为 non-thinking model，只需简单接上工具，就足以让人体验与众不同的“智能感”。
（听 Kimi 的同学说，他们已经成功让 K2 自己写 MCP 连接上公司门前钢琴，并自动奏响了《欢乐颂》🥳）
而当基础模型能像 K2 这般端到端地完成复杂的 Agentic 任务，我们将见证 AI 玩家们的第一目标从“更高分数追求” 向 “实现价值创造” 的根本性转变，正式进入“下半场”。
随 Kimi-K2 到 Second-Half，进入“经验时代”
当 AI 模型在各项基准测试上测出惊人高分后，一个更深刻的问题浮出水面：我们该如何衡量模型真正的价值，何为真正的智能， AGI 之路在何方？
在这个转折点上，两套极具前瞻性的概念或许已为我们指明了方向：“AI下半场”（The The Second Half）与“经验时代”（Welcome to Era of Experience）。
✍️ 特工帮你问：AI 圈常热议的“下半场” 和 “经验时代”到底是什么？
-
AI 下半场（Second Half），由 OpenAI 研究员姚顺雨提出，相比测评分数应更重视模型的实际效用：
-
强化学习三要素：“先验知识”、“环境”、“算法”。
-
对于语言模型而言，“先验”（priors）往往比环境与算法更实用
-
基模对模型的实际效用与 RL 泛化等能力上限有着决定性作用
-
经验时代（Era of Experience），由 DeepMind 首席研究员 David Silver 与图灵奖得主 Richard S. Sutton 联合提出，未来 Agent 的自进化范式：
-
要让 Agent 取得持续的进步，就必须摆脱对人造静态数据集的依赖
-
Agent需要成为一个探索者，主动与环境交互并积累反馈及经验，从自身的经验流中持续学习
站在这两大思想的交汇处，Kimi-K2 模型应运而生——它并非对这些理论的简单复刻，而是将其创造性地融合出统一的技术框架，成为了 AI “下半场”与 Agent “经验时代”交界的里程碑。
月之 Pre-training：MuonClip 打破“预训练终结”魔咒
随着 OpenAI 前首席科学家 Ilya Sutskever 果断离开 OpenAI 并断言了“预训练时代终结”后，不少团队都放弃了大规模 Pre-training 以及 AGI 的探索。
而 Kimi 始终坚信着“先验知识”的重要性： 在坚定将sclaing law发挥到极致的同时，通过自发创新的 MuonClip 优化器，通过自发创新 MuonClip 提出 qk-clip，使得让 Kimi-K2 在高达 15.5T Tokens 的巨量数据上实现了训练稳定性。
而这也让 Kimi 交出了让 AI 业界出乎意料的的答卷：高效地将各类数据转化为模型的内在知识，成功构建了独一无二的先验知识库，为后续的 Agentic 能力的泛化打下了扎实的基础。
月之 Post-training：Multi-Agent 践行 “经验时代”飞轮
为了推进 Foundation Model 向 Agentic Model 蜕变，Kimi 构建了一个通用的多智能体数据构造管线，相当于一个自主协作运转的“经验数据工厂”，大规模地仿真出各种工具的使用场景：
1. 场景设计：按照用户需求与领域划分，自主设计出成千上万种工具（真实 MCP + 合成工具），及其复杂多变的使用场景。
2. 交互生成：另一部分智能体（下图虚线框里的内容）则扮演“用户”或“执行者”，围绕这些场景，在模拟环境中生成复杂的交互轨迹。这些轨迹不是简单的“输入-输出”，而是充满了自主探索、工具编排、环境反馈，甚至策略更迭的完整闭环。
3. 高质筛选：造出的“经验数据”会经过一套全面的 rubric 和 judge model 的测评，确保其多样性和逻辑深度，为模型提供了一个完美且可无限扩展的“经验”池。
为了让模型能从各种经验中学到“精髓”，Kimi‑K2 还引入了一个通用强化学习框架：
-
Self‑judging 机制：针对开放式、无法直接验证的任务（如创意写作），让模型充当自己的评价者，根据预设的评分标准为输出结果打分并反馈。
-
On‑policy 校准：在可验证的任务（如编程）上，持续地使用当前策略进行 rollouts，收集客观奖励信号，并用这些真实奖励不断更新和校准评价者，使其对新策略的评价更精准。
这样，就等于是“用可验证奖励来改进对不可验证任务评估的能力”，实现跨所有任务域的持续自我改进——类似一种特殊形式的多任务联合学习。
值得一提的是：
其后训练的目的，不仅是给的模型教学新技能，而是去“唤醒”模型在海量预训练数据中潜藏深处的工具能力——其中无数的 API 调用代码、库函数文档和命令行脚本，本身就都是关于“如何使用工具”的隐性知识。
这种激活方法的奏效，也再次印证了“下半场”的观点：真正强大的能力，根植于深厚的“先验知识”之中。
此外，Kimi 还将这些探索成果开源给了全世界——这体现了对自身技术的信心，更是对 AGI 理念的坚持。
首个对标 Claude 4 的国产 Agentic Model，对我们意味着什么？
过去，“Build with Claude” 几乎一直是 AI 应用开发的唯一选择。尤其自 Claude 3.7 大幅提升了 MCP 与工具调用能力之后，从 Windsurf 到 Manus，全球范围内的各种 AI 产品层出不穷。
但 Agent 盛世之下，我们似乎忘却了：任何基于 Claude 等国外模型驱动的 AI 应用，出于数据隐私等考虑，很难在国内大规模应用。而日新月异的 AI 时代，这一直是我们每位中国 AI 开发者面临的挑战。
而前几天 Manus 突然大规模裁员且彻底撤出中国，也时刻警醒着我们：由于缺一个 Agentic 能力对齐 Claude 的国产模型，国内几乎无法用到任何好的 AI 产品。而且，Windsurf 被 Claude 断供后分家拆卖的现状，也间接揭示了依赖国外闭源模型的风险。
终于等到的是，Kimi-K2 努力赶上了 Claude 4 的 SWE 能力，给了我们中国开发者真正的自主权。相信不久后，各式各样的 AI 产品也终将在国内百花齐放。
最新消息：Kimi-K2 在 OpenRouter 的 Programming 场景，已荣获开源模型调用量第一
当然，出色的工具理解与使用只是“模型即 Agent”开始——随着从 Foundation Model → Agentic Model 日渐成熟，模型对 MCP 的认知也会越来越深。
或许在不久后，Agentic Model 在解决用户的复杂需求时，就真的可以在实时环境中寻求反馈，再自主编写出 MCP ，甚至为自己（Master-Agent）生成出有更多意义的 Sub-Agents 来辅助完成任务…… 可预见的未来，我们或将不再人工编排的workflow，Agentic Intelligence is all we need!
尽管 K2 还有很多值得提升的地方，官网各种的 mcp 也还在路上。
但根据我本地的几十次实测，Kimi 已经完全能给予我这样的期待了。也许那时，Agent 的 Era of Experience 就真的到来了吧。
但在此之前，最重要的依然是探索智能本身，从底层出发，自下而上地推动范式重构——这条路任重道远，但值得期待。
Kimi-K2: Open Agentic Intelligence 技术博客 🔗：https://moonshotai.github.io/Kimi-K2/
（文：特工宇宙）