来源：知危编辑部

近日，月之暗面开源了其旗舰大模型 Kimi K2，这是一个基于 MoE 架构、拥有 1 万亿参数、单轮激活 32 B 参数的超级模型，专门优化了代码生成和 agentic 能力（ 代理式能力 ）。

社区实测表明，K2 在许多一次性生成复杂前端项目（ 如 3D HTML 场景、交互式数据展示网页等 ）中表现不输甚至优于 Claude 4、Gemini 2.5 Pro 等商用模型。

在专注 Agentic Coding 的 SWE-bench Verified 测试集中，K2 取得了达到了 65.8% 的准确率（ 单次尝试 ），多次尝试提升至 71.6%，可与 Claude 4 Sonnet、Claude 4 Opus 相比肩。

知危也顺手在 X 里借用了一些案例的提示词，初步体验了 K2 的代码生成能力，发现一次性编程的成功率还是很高的。

比如让 K2 用 HTML 构建一个网站，展示太阳系的 3D 模拟。K2 不是深度思考模型，直接一句废话没说就开始写代码。

并且，一次就成功。

接下来，知危还让 K2 帮忙模拟小行星撞击地球、制作数据仪表盘组件，虽然有些小 Bug，但也一次成功了。

不过仅仅是这样，还不能展现 K2 的优势。在 K2 本次强调的两大优势中，agentic 能力其实更为重要。

它关注的是模型在结构化的编程环境下，如何从零到一完成任务，交付工作的能力，并在深度的、多步骤的执行过程中始终保持逻辑一致性。只有具备了这样的能力，K2 才能在实践中发挥最大的作用。

所以，知危选择了这样的场景，将 K2 的 API 接入 Claude Code，并在 Cursor 提供的编程环境下，通过终端命令从零到一写 4 个网页小游戏，并合并搭建出一个 “ 类 4399 ” 的小游戏网站。

虽然在网页端和 Cursor 端，都是写 HTML/CSS/Java，但网页端偏重一次性的快速实验，不具备自主规划、细致的代码修复、文件生成与操作、shell 命令执行和调试、调用 Claude Code 工具集（ 专为编程设置 ）等能力，更别提多层次的项目合并操作，只是几个本地文件夹操作的事情，对于网页端却极其困难，而这些通过上述方案就能实现。虽然编码能力和响应速度相比 Claude 自己的模型还是差一些，但 K2 便宜啊！（ 搭建方法已放在文末参考资料里 ）

在搭建完环境之后，知危的 “ 类 4399 ” 项目就要开干了。

知危从编码难度的维度，分别选了 4 个经典的小游戏，从易到难分别是《 Flappy Bird 》、《 Dino Run 》、《 2048 》、《 植物大战僵尸 》。

令人惊讶的是，前面 3 个小游戏，K2 都一次性把基础逻辑实现了。

《 Flappy Bird 》大概花了 5 分钟的时间开发。开发期间，K2 会利用 Claude Code 的工具集进行自主规划，列出一个 todo list：

• 创建具备基础结构的HTML文件；
• 为游戏元素实现CSS风格化；
• 创建Java游戏逻辑；
• 测试游戏功能；

然后按顺序一步一步实现这个 todo list，每实现一步就更新一下 todo list 的状态，算是 agentic coding 的基操了。最后，K2 会使用 Bash 脚本对游戏进行测试。

来看看成果如何。包括小鸟的行为逻辑、关卡的设置、得分的逻辑、游戏结束的逻辑，可以说基本符合原作，更不用说小鸟自由落体给小白玩家、手残党带来的极大难度。

在文件操作方面，Cursor 也帮知危在本地生成了相应的 HTML、CSS、Java 文件，一个不落下，后续想玩只需要本地打开 index.html 文件即可。

《 Dino Run 》因为关卡设置更为复杂（ 加入了仙人掌、飞鸟等障碍元素 ），开发上也稍微更难一些，大概花费了 15 分钟来开发。

开发到最后测试成功后，K2 还贴心地进行了游戏体验的优化，比如基于帧变化来增加分数，使分数增长更平滑，并增加了移动的地平线效果。

来看看成果如何。虽然恐龙像个偷跑的垃圾桶，但飞鸟、仙人掌以及背景的视觉还是设计的不错的，而且恐龙得分的基本逻辑、环境陷阱的基本逻辑、游戏结束的逻辑，都是没有问题的。

《 2048 》的开发相对更困难一些，涉及到更复杂的键盘操作和状态变化，所以规划的执行步骤也更多，大概也花费了 15 分钟的时间，和《 Dino Run 》接近。

来看看成果如何。最重要的方块移动后的数字合并逻辑实现了，连配色都和经典版本几乎是一样的，也提供了最高分展示来激励玩家，并能随时重置。

然后，终于来到了真正的重头戏，开发《 植物大战僵尸 》。

前面只是测试了 K2 在 agentic coding 上的单次尝试能力，并且这三个游戏都是比较经典的，被测试过很多次。真正能考验 agentic coding 的，还是在较复杂场景中，多次尝试、多次探索，并保持逻辑一致性的能力。

《 植物大战僵尸 》因为游戏元素和交互逻辑较为复杂多样，所以难度大得多。

我们先提一个简单的命令：

你是一个经验丰富的前端游戏开发专家，请从零为我构建一个可在浏览器运行的《 植物大战僵尸 》网页小游戏。

K2 构建了下图中的 todo list，从中可以看出 K2 强调了基本元素的构建比如植物类和僵尸类，以及交互系统比如子弹、碰撞检测等，以及元素收集系统，是其中的重点。

第一版写的挺快的，还不到 15 分钟，大概 13 分钟左右就写完了。K2 设置了三种经典植物（ 向日葵、豌豆射手、坚果墙 ）和一种经典僵尸，与原作的配置是一致的。

但可惜的是，这次 K2 没有一次成功，而是出现了很严重的 Bug。游戏刚开始，还没见到僵尸，很快就判定游戏结束：你的花园被僵尸入侵了。但我连僵尸的影子都没见到，难道是僵尸飞得太快了？还是僵尸掘地三尺挖过去的？

为了修复这个问题，我向 K2 提了以下问题：

修复后能看到僵尸了，结果发现僵尸速度真的飞快，并且重置游戏后植物能消失，但僵尸不会消失。游戏结束判定逻辑也有问题。

所以我继续向K2提修改需求：

修复中有一个很重要的参数修改，就是僵尸的移动速度。其实 K2 帮我找到这些参数之后，后续手动调试也会变得容易。

K2 还补充了大量代码用于游戏重置。

并修复了游戏结束判定逻辑。

你以为这样就结束了吗？僵尸速度还是飞快。从右上角也可以看到有一个数值在不正常地增长，就是“第X波”这个数值，在僵尸速度设置中，这个数值的增加能使得僵尸的速度也增加。

我先手动取消了这个关联，然后尝试修复 “ 第X波 ” 的逻辑错误。

这中间出现了一个很有趣的提示，Claude Code 提示我已经花费了 5 美元，但实际上这是 Claude Code 假设我使用的是 Claude 的模型计算出来的，我这时查看了 Moonshot AI 开放平台的计费统计，发现实际花费还不到 5 人民币。

尝试修复 “ 第X波 ” 多次没有成功，包括考虑交互历史太长可能超出 K2 上下文长度，所以尝试重启对话，也告失败。

最后我索性简化了 “ 第X波 ” 的逻辑，改成了 “ 就1波 ”，游戏开始后就直接出现 30 个僵尸，全部击杀完就胜利。这期间也顺便让 K2 修复了僵尸位置没有跟网格对齐的问题，坚果墙不能阻挡僵尸前进的问题，僵尸攻击的距离判定问题，豌豆射手的豌豆颜色问题等等。

可以说，这个版本已经是较为完善的游戏了。

但这个版本测试下来发现，目前的游戏数值设计是非常不平衡的，过于简单。具体来说就是，向日葵阳光更新太快，豌豆射手攻击力太强，而僵尸移动太慢，血也不够厚，基本上能快速凑齐每排一个豌豆射手就是稳赢的，坚果墙都没有发挥的余地。

借着这个机会，我又测试了 K2 的游戏数值设计能力，因为这个能力其实需要深度结合人类玩家的真实体验，而且不同经验、偏好、级别的玩家，看法都不同，所以是有较大难度的。

K2 确实发现了僵尸过于 “ 脆皮 ” 的问题，并认为僵尸移动速度过慢会使得游戏进程太长，只是时长超过 10 分钟这个预估太离谱，通常僵尸走完全程大概 2-4 分钟，游戏时长也会在这个范围内。而且，K2 还认为向日葵产出过低，这个估计也与我的真实体验相悖。

其它方面，包括植物成本、坚果墙生命力、碰撞检测阈值等方面的评估还是比较合理的。

我基于个人经验和 K2 的建议，最终只手动修改了两处，一是将僵尸速度提高为原来的 2 倍，一是将僵尸的生命值提升为原来的 4 倍。因为其实只要打僵尸难度增大了，植物太强的问题就能解决。

测试下来发现，一顿手忙脚乱操作之后，即便能顺利种满一列向日葵，一列豌豆射手，并随时补充坚果墙，还是扛不住僵尸大军压境。

个人觉得，这个难度刚刚好，有再次挑战的价值。

好了，《 植物大战僵尸 》就开发到这里，接下来是收尾工作 —— 将四个小游戏整合到一个网站里，为避免上下文过长，需要重启一个对话。

K2 给文件结构加了一个层级。

它还贴心地增加了一个 README 文档，为项目开源都给铺平了道路。

游戏网站也设计出来了，来看看网页效果。基本游戏展示功能是没有问题的，甚至有一些动效，也能正常点进游戏和游玩，就是游戏画面不能显示完全。

针对这个问题，跟 K2 对话了好多轮都没解决，甚至问 Claude 4 Sonnet 也没解决，最后作罢。

但从某种程度上，K2 确实帮我搭建好了一个 “ 类 4399 ” 网站。

测评结束！

总体而言，Kimi K2 模型在一次代码生成和单次尝试的 agentic coding 方面，不仅基本功扎实，也带来了很多惊喜，实用性是很强的。

而在深度交互的 agentic coding 方面，K2 成功的例子和失败的例子都不少，但总体来说还是能带来较大收益的。

实际上，要在 AI 辅助下的编程中提高项目的成功率，用户自己的思考和判断也是必不可少的。

比如什么时候应该让模型解决，什么时候应该手动解决，什么时候只让模型分析而不动手修改，什么时候简化方案，甚至去外部询问其它大模型等等。而且，项目后续推进很大程度是卡在细节上，这种情况下，用户自己的编码专业水平越高，能从 K2 得到的收益就越高。知危由于几乎全程都是 vibe coding，所以项目完成度并不高。

即便是 agentic coding，AI 扮演的最佳角色仍然是辅助工具和效率利器，而不是完全的主导者。

最后，知危不得不惊叹于 Kimi K2 的成本优势，在用 Cursor 做了 5 个网页之后，耗费的成本只有不到 17 元人民币，要知道这其中还包括了新用户赠送的 15 元人民币，也就是说实际真正要花的钱只有 2 元。

Kimi K2 如此低成本，除了模型本身的 token 便宜，可能有一部分要归功于Context Caching 的能力，在下图中可以看到，在消耗成本的组成中，Context Caching 的占比比模型推理大多了。

最后的最后，知危觉得 K2 使用 emoji 符号来表现僵尸和豌豆射手有些太丑了，也少了那么一点感觉，所以就找了僵尸和豌豆射手的 png 图，放到项目文件夹里，让 K2 帮忙修改一下逻辑。

结果，一次成了。

总之，很强，无需再多言。