Kimi成小甜甜，GLM变牛夫人，Claude或被超越

近期，AI编程领域一个模型引发了广泛关注——Kimi k2.5。最初听到其能力超越Claude的说法时，业内普遍持保留态度。然而，OpenClaw和OpenRouter两大平台的数据很快改变了这一认知：Kimi k2.5已成为龙虾（平台）中用量最大的模型，OpenRouter官方亦确认了这一趋势。这引发了深入测试其真实能力的兴趣。

实践是检验模型能力的唯一标准。近日，笔者针对Kimi k2.5进行了一次完整的实测，整个过程经历了从初期质疑到最终认可的变化。以下将逐一拆解测试过程与关键发现。

第一轮测试：水土不服还是能力不足？

测试的第一步是寻找合适的运行环境。Kimi官网未直接提供编程套餐，仅显示API充值入口，暂未考虑付费。随后，在火山引擎的Coding Plan中找到了已集成的Kimi k2.5，切换模型后接入Claude Code开始测试。

第一轮测试的结果令人失望。

需求非常简单：在桌面创建一个文件夹，以此测试其Shell命令调用能力。然而，模型不仅未能成功创建，还输出了一堆错误信息，甚至夹杂表情包。再次尝试后，结果依然失败。查看其输出的命令，错误极为明显：在Windows环境下，模型尝试使用“/nmt”这类Linux路径，仿佛默认用户运行在Ubuntu系统中，最终自然失败。

为排除Claude Code集成环境的干扰，将后端模型切换为GLM-4.7，其他条件不变。结果GLM-4.7一次性成功完成任务。

至此，难免对Kimi k2.5的能力产生严重怀疑。但考虑到2026年主流模型不应如此不济，笔者转而使用免费的Trae平台上的Kimi k2.5再次测试，结果完全正常。这一反差暗示问题可能出在平台差异上。

为验证猜想，深入查阅Kimi官网，终于找到了Kimi Code——该模型的官方编程套餐及编程智能体CLI。既然第三方平台可能存在偏差，直接使用官方工具最能反映真实水平。于是开通套餐并安装官方CLI，其界面设计颇为简洁。

平台差异不可忽视

使用官方工具后，立刻重新测试文件夹创建任务。这次表现完全正常：模型调用Shell工具，使用正确的mkdir指令，在正确路径下成功创建文件夹。这才是正常模型应有的表现。最初的问题，只能归因于火山引擎平台可能存在的优化不足或参数配置差异。

客观而言，该平台的套餐已使用三个月，速度和编码质量确实不尽如人意。与GLM-4.7官方套餐相比，速度慢一倍，效果亦有差距。更令人困扰的是，切换模型需到后台操作，连“thinking”模式的开启选项都难以找到相关资料。这种体验确实有待改善。

官方工具下的真实水平

借助官方CLI，终于可以进行更具挑战性的测试。笔者选用了一个经典的测试需求：看似简单的指令，却常令许多模型折戟。

此前测试数据表明，Claude Code完成该需求约需十几分钟，GLM约20分钟，火山引擎上的其他模型基本需要40分钟以上，甚至无法启动。而Kimi Code仅耗时10分钟出头。

这一速度非常突出。整个过程中，红色错误提示极少出现，运行干净利落。最终生成的网页结果亦可接受：功能模块基本完整，布局无明显Bug，动效流畅。虽非顶尖水准，但稍作修改即可直接使用。该任务消耗了约8%的区间配额。

随后，将Kimi k2.5通过API接入Claude Code进行测试。配置过程简单：通过cc-switch工具找到Kimi for Coding选项，填入API Key即可。启用配置后，给予相同需求，Claude Code轻松完成，展现了其强大的工程能力，最终反馈清晰，总结尤其出色。网页效果同样良好。本次测试耗时约13分钟，期间遇到一个小错误但自动解决，配额消耗约21%。自家工具在配额优化上表现更好，但接入Claude Code后的表现同样可圈可点。

测试使用的是最低档Andante会员（49元/月），搭载最新旗舰模型K2.5。整体体验令人满意。

最后，参考大模型竞技场Code Arena的评分，这一评分可能更接近真实水平。目前Kimi k2.5排名第五，GLM-4.7第七，MiniMax第八。从绝对实力看，Claude Opus 4.5、GPT-5.2-high、Gemini 3 Pro仍领先于国产模型，说Kimi k2.5比Claude Opus强并不客观。然而，国产模型的编程套餐价格普遍在50元以内，相比20美元的价格，性价比优势显著。

当前局面大致如此：国产模型能力持续提升，性价比优势逐渐凸显，但绝对实力仍存差距。未来有机会可进一步深度对比GLM-4.7和Kimi k2.5，或将Kimi k2.5直接配置到OpenClaw中测试。AI编程领域，国外模型已完全可用，国内模型也基本可用，接下来关注焦点将是开源模型能否直接投入实战。2026年，这一领域充满期待。