注:本文由 OpenAI gpt-6.1-sol 通过 Codex CLI 自动翻译;翻译质量可能有所欠缺,尤其是技术术语。
新品发布
Kimi K2.5
Moonshot AI 发布了其万亿参数开源模型的更新版本:Kimi K2.5。 与上一版本(以及大多数中国模型)不同,这一版是多模态模型,也就是说,它同时支持文本和图像输入。
Kimi 一直以有趣的个性和写作风格著称,这让它在众多大语言模型中独树一帜。 如今,这种个性有所减弱(它有时也会说“你说得完全正确!”),但换来的是它在智能体任务中更出色的表现,从它登顶 Design Arena 排行榜就能看出这一点。

在编程任务上,它仍然落后于目前最顶尖的两款模型:Opus 4.5 和 GPT 5.2。 根据我的观察,大多数任务其实都是如此。 它在基准测试中位居第一梯队,但在实际使用中则低一档,与 GLM 4.7、Gemini 3 Flash 和 Sonnet 4.5 等模型处于同一梯队。
| 模型 | 每百万输入 token 的价格(美元) | 每百万输出 token 的价格(美元) | 每秒 token 数 |
|---|---|---|---|
| Kimi K2.5 Thinking | $0.6 | $3 | 30 |
| Gemini 3 Flash | $0.50 | $3 | 75 |
| GLM 4.7 | $0.60 | $2.20 | 90 |
| Claude Sonnet 4.5 | $3 | $15 | 57 |
| GPT 5.2 | $1.75 | $14 | 34 |
| Claude Opus 4.5 | $5 | $25 | 64 |
GPT 5.2 和 Opus 4.5 虽然都是顶尖模型,但各自的优势不同。 GPT 5.2 比较冷淡,对指令的理解也非常拘泥于字面,但它做事周全,而且极其聪明。 Opus 则很善于理解用户意图,聊起来也很舒服,但犯的错更多。
我觉得 Kimi K2 和 Gemini 3 Flash 之间的对比也很类似。Kimi 是平价版的 Opus,Gemini 则是平价版的 GPT 5.2。
如果想低成本编程,我应该还是会选 GLM 4.7,但在其他所有任务上,Kimi 都更胜一筹,这意味着它目前跻身全球前五。 如果你还没试过,我强烈推荐你体验一下。
研究
光有技能还不够
如果你用过智能体编程工具(Claude Code、Cursor 等),你很可能听说过技能(skills)。 技能是一些 Markdown 文件,其中包含给大语言模型的指令,告诉它们如何完成特定任务,或如何使用模型训练时可能没有接触过的某些库。
Vercel 发现,有了这些技能,并不意味着模型就会使用它们。 默认情况下,大多数框架只会告诉大语言模型这些技能的存在,但需要时是否真的去读取,还是由模型自己决定。

他们发现,除非明确要求,否则模型不会主动调用技能;而且,即使你在 AGENT.md 中直接告诉模型,它们仍然不会在需要时使用这些技能。
他们发现,要让智能体在需要时正确调用技能,必须在 AGENTS.md 文件中加入以下内容:
重要:对于任何涉及 {你的技能内容} 的任务,优先基于检索到的信息进行推理,而不是依赖预训练知识进行推理。 {在此列出技能文件的路径}
这种做法绕过了框架提供的技能加载和调用工具,直接把需要查看的文件路径交给模型,而模型更能理解并执行这种操作。
这很可能是因为模型更习惯读取和查看文件,毕竟这是它们必须完成的常规编程任务;相比之下,它们对运行框架中定制的技能调用工具就没那么熟悉了。这也说明,利用模型已经大量接触过的操作方式有多重要,而不是自行设计一种新的抽象机制,再让模型去尝试使用。
快讯
Genie 3 向公众开放
AI 世界模型基本上就像一个根据你的输入即时生成每一帧画面的电子游戏引擎。 它不使用游戏引擎、代码或任何其他额外状态,完全依靠 AI 模型运行。 你可以给它一张起始画面,也可以只用文字描述你想要的世界,然后就能在这个世界中互动。随着你的操作,它会实时为你生成一切。
注意:要使用该模型,你需要订阅 Google 的 AI Ultra 服务,前 3 个月每月 125 美元,之后每月 250 美元。
结语
希望你喜欢本周的新闻。如果你想每周都收到这些资讯,记得在下方订阅我们的邮件列表。
