Kimi Blog

PerceptionBench 是一个全新基准测试，专注于隔离和评估多模态大语言模型的原子视觉感知能力。该基准从 42 个现有基准中的模型失败模式中归纳出 10 种原子感知能力，并构建了 3000 个经人工验证的问题。测试显示，顶尖模型均未达到 60% 的准确率，且感知相关的幻觉是平均最弱的能力。PerceptionBench 旨在精确诊断视觉感知的薄弱环节，推动多模态 AI 实现可靠且一致的视觉理解。

Kimi 推出其最强模型 K3，拥有 2.8 万亿参数，采用 Kimi Delta Attention 和 Attention Residuals 架构，支持原生视觉和百万 token 上下文。这是全球首个开放的 3T 级模型，在长时间编码、知识工作和推理方面表现出色。尽管整体性能仍落后于最强大的专有模型，但在多项评估中超越其他测试模型。

Kimi K2 是一个开放智能体智能平台，提供多种工具和研究成果，包括电子表格公式、文档处理、AI代理部署、代码代理、浏览器扩展等，以及Kimi K2.6、Agent Swarm等前沿研究。

Kimi K2 是一个开源思考模型，提供多种AI工具，包括Excel公式生成、文档处理、代码代理、浏览器扩展等，支持Agent Swarm和深度研究功能。

Kimi 开源了供应商验证器（KVV），旨在帮助用户验证开源模型推理实现的准确性。项目包含六项关键基准测试，用于检测部署中的常见问题，并推动基础设施提供商修复根本原因。

Kimi K2.5 是一个开源多模态模型，在编码和视觉任务上表现卓越。它引入自我导向的代理群体，可协调多达100个子代理并行执行，将任务完成时间缩短高达4.5倍。该模型在办公生产力方面同样出色，能处理复杂的文档、电子表格和演示文稿。Kimi K2.5 已通过Kimi.com、应用、API和Kimi Code等多个平台提供，标志着开源社区向通用人工智能迈出了重要一步。

WorldVQA是一个新基准，用于评估多模态大语言模型在视觉世界知识上的事实准确性。它包含3500个高质量的图像-问题对，涵盖9个类别，重点关注头部与尾部知识分布。前沿模型准确率低于50%，暴露出过度自信和视觉知识差距。

Kimi推出Agent Swarm，支持最多100个子代理并行工作，实现水平扩展而非垂直扩展。该架构让AI自我组织，如同一个公司或实验室，可自动分解任务、分配代理、合成结果，在广泛研究、批量处理、多角度分析等场景显著提升效率。目前面向顶级订阅用户开放研究预览。

Kimi K2.6 是一款全新的开源模型，具备最先进的编码、长周期执行和智能体群体能力。本文详细介绍了其核心技术、性能提升、应用场景以及社区反馈。