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

根據著名AI分析機構Artificial Analysis的評估，Kimi K2 Thinking在智能體（agentic）相關任務中表現非常突出，但在完成評測時生成了所有模型中最多的token，表現出非常“話癆”的特性

以下是其核心要點：

智能指數67分，登頂開源榜首

Kimi K2 Thinking在Artificial Analysis智能指數中獲得67分。

這一成績使其明確領先于所有其他開源權重模型，包括最近發布的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，推理表現強勁

Kimi K2 Thinking在智能體應用場景中展現出強大實力，在Artificial Analysis智能體指數中排名第二，僅次于GPT-5

其優異表現主要得益于在2-Bench Telecom基準測試中取得了93%的成績。這是一個智能體工具使用評測。這是該機構獨立測量到的最高分

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并未在任何一項代碼評測中奪得總冠軍，但相較于其他開源模型，它在各項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代碼指數中超越了先前的開源領導者DeepSeek V3.2

更多排名：

模型細節：1萬億參數，INT4原生精度

模型規格：總參數量1萬億，激活參數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，擁有相同的架構和參數數量

INT4精度：與此前Kimi K2 Instruct發布的FP8精度不同，該模型原生以INT4精度發布。月之暗面在后訓練階段使用了量化感知訓練來實現這一點。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練效率

代價：高冗余度、成本與延遲

Kimi K2 Thinking表現得非常“話癆”。在完成智能指數評測時，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，此次發布再次凸顯了一個持續的趨勢：后訓練，特別是強化學習（RL），正在推動推理模型和涉及工具調用的長程任務性能實現增長

參考：

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