Artificial Analysis評測新鮮出爐：Kimi K2 thinking位居世界第二，開源第一

根據(jù)著名AI分析機(jī)構(gòu)Artificial Analysis的評估，Kimi K2 Thinking在智能體（agentic）相關(guān)任務(wù)中表現(xiàn)非常突出，但在完成評測時生成了所有模型中最多的token，表現(xiàn)出非常“話癆”的特性

以下是其核心要點(diǎn)：

智能指數(shù)67分，登頂開源榜首

Kimi K2 Thinking在Artificial Analysis智能指數(shù)中獲得67分。

這一成績使其明確領(lǐng)先于所有其他開源權(quán)重模型，包括最近發(fā)布的MiniMax-M2（61分）和DeepSeek-V3.2-Exp（57分），在所有模型中僅次于GPT-5

Agent能力突出，推理表現(xiàn)強(qiáng)勁

Kimi K2 Thinking在智能體應(yīng)用場景中展現(xiàn)出強(qiáng)大實(shí)力，在Artificial Analysis智能體指數(shù)中排名第二，僅次于GPT-5

其優(yōu)異表現(xiàn)主要得益于在2-Bench Telecom基準(zhǔn)測試中取得了93%的成績。這是一個智能體工具使用評測。這是該機(jī)構(gòu)獨(dú)立測量到的最高分

此外，在Humanity’s Last Exam（人類終極考試）評測中，Kimi K2 Thinking在無工具情況下的得分為22.3%，創(chuàng)下開源模型歷史新高，僅次于GPT-5和Grok 4

成為新晉開源代碼模型冠軍

盡管Kimi K2 Thinking并未在任何一項(xiàng)代碼評測中奪得總冠軍，但相較于其他開源模型，它在各項(xiàng)評測中均排名第一或并列第一

具體排名為：Terminal-Bench Hard第6名，SciCode第7名，LiveCodeBench第2名

因此，它在Artificial Analysis代碼指數(shù)中超越了先前的開源領(lǐng)導(dǎo)者DeepSeek V3.2

更多排名：

模型細(xì)節(jié)：1萬億參數(shù)，INT4原生精度

模型規(guī)格：總參數(shù)量1萬億，激活參數(shù)320億（約594GB），僅支持文本輸入，擁有256K上下文窗口

模型定位：該模型是Kimi K2 Instruct的推理變體，擁有相同的架構(gòu)和參數(shù)數(shù)量

INT4精度：與此前Kimi K2 Instruct發(fā)布的FP8精度不同，該模型原生以INT4精度發(fā)布。月之暗面在后訓(xùn)練階段使用了量化感知訓(xùn)練來實(shí)現(xiàn)這一點(diǎn)。這使得模型大小僅為約594GB，相比K2 Instruct的1TB以上大幅縮小，從而提升了推理和訓(xùn)練效率

代價：高冗余度、成本與延遲

Kimi K2 Thinking表現(xiàn)得非常“話癆”。在完成智能指數(shù)評測時，它總共使用了1.4億個token，約為DeepSeek V3.2的2.5倍，GPT-5的2倍。

高冗余度直接影響了成本和延遲

基礎(chǔ)版API：

定價：輸入 百 萬 ， 輸 出 2.5/百萬token。

評測總成本：$356，比頂尖前沿模型便宜（比GPT-5（高）便宜2.5倍），但比DeepSeek V3.2貴9倍

速度：非常慢，約8個輸出token/秒

Turbo版API：

定價：輸入 百 萬 ， 輸 出 8/百萬token。
評測總成本：$1172，是第二昂貴的模型，僅次于Grok 4。
速度：相對較快，約50個輸出token/秒

報告指出，此次發(fā)布再次凸顯了一個持續(xù)的趨勢：后訓(xùn)練，特別是強(qiáng)化學(xué)習(xí)（RL），正在推動推理模型和涉及工具調(diào)用的長程任務(wù)性能實(shí)現(xiàn)增長

參考：

https://artificialanalysis.ai/models/kimi-k2-thinking