晓曼: 我们平时跟AI聊天，基本都是你问我答，它给你一段文字。但如果AI不只是“说”，而是直接“做”呢？比如你让它介绍个东西，它直接给你生成一个可以交互的网页。
原野: 这个想法就很有意思了。它彻底改变了我们跟AI互动的方式。最近Kimi K2背后的一位开发者就分享了他们在这方面的思考，核心就是要把AI从一个“聊天机器人”变成一个“成果交付机”。
晓曼: 对，他提了个词叫“Artifact-first”，成果优先。就是说AI理解你的需求后，直接给你交付一个前端应用，比如PPT或者流程图，你还能在上面继续修改。
原野: 我觉得这个方向特别棒。它把AI的能力从单纯的信息输出，变成了直接的“创造”和“交付”。我们用户就不再只是被动看文字了，而是直接上手一个可以交互的产品。
晓曼: 作者还提到，这背后最关键的一点，是要“把写代码的过程藏起来”。这听起来简单，但它更深层的意义是什么？这会怎么改变我们普通人对AI的看法和用法？
原野: 嗯，这个意义就大了。这意味着我们这些完全不懂编程的人，也能让AI帮我们创造出复杂的、可交互的东西。你想想，以前有用户跟Kimi说，想把文章排版进一页A4纸，这在纯文本模式下根本不可能。但有了这个新模式，AI不仅能帮你排版，还能换颜色加动效。AI就从一个知识问答工具，变成了一个真正全能的、主动帮你干活的“工具箱”。
晓曼: 我明白了，这种“所见即所得”的体验确实是颠覆性的。那要实现这个目标，AI自己得先学会怎么用各种工具吧？Kimi K2在这方面又是怎么做的呢？
晓曼: 说到工具使用和Agent能力，Kimi团队一开始也想走常规路线，想让模型通过真实环境去学习怎么用第三方工具，但很快就发现，有的工具部署太麻烦，有的还需要登录，根本行不通。
原野: 这确实是个普遍难题。但他们换了个思路，他们假设模型在预训练的时候，其实已经见过海量代码，早就“知道”工具该怎么用了。所以他们要做的不是从零开始教，而是把这个能力“激发”出来。
晓曼: 哦，原来是这样。这种“激发”而非“硬塞”的思路，听起来确实很巧妙，也更符合AI的学习规律。这为Agent能力的发展提供了新的方向。那在另一个大问题上，就是开源，Kimi又为什么选择把自己的模型公开呢？
晓曼: Kimi选择开源，文章里提了三个原因。一是赚名声，二是借助社区的力量。但最核心的一点是，他们认为开源能建立一个更高的技术标准，反过来“倒逼”团队做出更通用、更好的模型，这跟他们追求AGI的目标是一致的。
原野: 开源确实是一把双刃剑。但对于一个目标是AGI的公司来说，这种开放带来的压力和社区的共同创造，价值远远超过了闭门造车。
晓曼: 作者特别强调了“倒逼”这个词，说开源能让他们不能走捷径，尤其是在面对有些大厂可能会用几十个模型、几百个场景去堆砌效果的时候。这种“倒逼”具体是怎么起作用的？它又是怎么和“追求AGI”这个终极目标挂上钩的？
原野: 这个“倒逼”作用很直接。你一旦开源，你的模型就得是“素颜”能打，任何第三方拿到手，都得能复现出你说的效果。这就逼着你必须把模型本身的基础能力做得足够扎实、足够通用，而不是靠一些外部的、复杂的流程去“美颜”。AGI，通用人工智能，它的核心就是“通用”。所以，开源这条路，虽然更难，但它恰好是通往AGI最本质、最正确的那条路。
晓曼: 明白了，这种坚持技术本身，不走捷径的决心，也体现在他们面对市场竞争的态度上。
晓曼: 确实。作者提到，年初Kimi停止广告投放后，在很多应用商店里搜索排名都掉了，但他们还是坚持不恢复投流。而且他们觉得，友商DeepSeek的成功反而证明了，模型本身的硬实力才是最好的推广。
原野: 嗯，这种定力在现在的环境里太难得了。这恰恰说明他们对自己的技术路线和长期目标有绝对的自信，不为短期的流量波动分心。
晓曼: 作者还对现在一些标榜AGI的公司提出了挺尖锐的批评，他认为“智能的上限完全由模型决定”，并且很看不上那种过分强调“闭环”的做法。在他看来，追求AGI的关键到底是什么？为什么“闭环”思维反而是绊脚石？
原野: 因为追求AGI的关键，是不断抬高智能本身的天花板，而这个天花板就是底层大模型的性能。如果你过早地去追求所谓应用的“商业闭环”，你的资源和精力就会从最根本的模型研究上移开。这就像你想造一辆能上火星的火箭，结果你花了一大半时间去研究怎么给火箭刷上最漂亮的油漆。AGI的本质是通用，是解决所有问题，而不是被某个特定的商业模式给框死。所以这种“闭环”思维，其实是对AGI终极目标的一种妥协，甚至是本末倒置。
晓曼: 追求AGI的确是一条险峻的独木桥，需要无比的决心和专注。最后，不如请你来为我们总结一下今天聊到的几个关键点吧。
原野: 好的。简单来说有四点。第一，AI的交互方式正在进化，未来会从“聊天优先”变成“成果优先”，AI会直接给你交付可交互的应用。第二，Kimi认为模型的工具使用能力是可以通过数据“激发”出来的，而不是硬塞。第三，也是最重要的一点，他们选择开源，是为了倒逼自己走上那条不取巧、更艰难但更正确的AGI之路。最后，这一切都源于一个信念：智能的上限由模型决定，追求AGI，就必须把所有精力都放在提升模型的核心能力上，不能有丝毫分心。
