Kimi K2 Thinking 评测详情

Kimi K2 Thinking 当前已收录的代表性评测结果包括 AIME2025（1 / 107，得分 100）、Terminal-Bench 1.0（3 / 32，得分 47.10）、HLE（45 / 249，得分 51）。

评测结果

Kimi K2 Thinking

评测结果

综合知识考试

共 4 项评测

评测名称 / 模式

得分

排名/总数

思考模式

84.60

36 / 176

思考模式

23.90

160 / 249

思考模式工具

44.90

72 / 249

思考水平·高工具

51

45 / 249

科学知识与推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

84.50

99 / 251

思考模式

2.60

129 / 208

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考模式工具

71.30

61 / 122

算法与竞赛编程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

83.10

26 / 119

数学

共 4 项评测

评测名称 / 模式

得分

排名/总数

思考模式

94.50

31 / 107

思考模式工具

99.10

13 / 107

思考水平·高工具

100

1 / 107

FrontierMath - Tier 4

思考模式

0

72 / 80

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1630.90

38 / 114

自主开发与终端任务

共 2 项评测

评测名称 / 模式

得分

排名/总数

Terminal-Bench 1.0

思考模式工具

47.10

3 / 32

Terminal Bench Hard

思考模式工具

31.10

101 / 242

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

39.60

73 / 99

事实查找与深度检索

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

60.20

45 / 63

跨能力综合测试

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

61.59

105 / 157

跨应用与工具编排

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式工具

82.50

17 / 29

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

146.02

70 / 167

与其他模型对比