DataLearner 标志

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 / 106,得分 100)、Terminal-Bench(4 / 35,得分 47.10)、HLE(27 / 185,得分 51)。

评测结果

Kimi K2 Thinking

评测结果

思考模式
工具使用
并行模式

综合评估

共 5 项评测
评测名称 / 模式
得分
排名/总数
MMLU Pro
思考模式
84.60
34 / 133
LiveBench
思考模式
61.59
63 / 115
HLE
思考模式
23.90
120 / 185
HLE
思考模式工具
44.90
47 / 185
HLE
思考水平·高工具
51
27 / 185

科学与综合推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
思考模式
84.50
106 / 270

编程与软件工程

共 2 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
思考模式
83.10
25 / 127
SWE-bench Verified
思考模式工具
71.30
56 / 114

数学推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
AIME2025
思考模式
94.50
27 / 106
AIME2025
思考模式工具
99.10
12 / 106
AIME2025
思考水平·高工具
100
1 / 106
0
72 / 80

写作和创作

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1627.80
31 / 99

AI Agent - 工具使用

共 1 项评测
评测名称 / 模式
得分
排名/总数
Terminal-Bench
思考模式工具
47.10
4 / 35

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
常规模式
39.60
45 / 67

Agent能力评测

共 1 项评测
评测名称 / 模式
得分
排名/总数
τ²-Bench - Telecom
思考模式工具
93
18 / 35

指令跟随

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
思考模式
68
21 / 34

AI Agent - 信息收集

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具
60.20
37 / 54

OpenClaw智能体能力综合测评

共 1 项评测
评测名称 / 模式
得分
排名/总数
Claw Bench
思考模式工具
82.50
17 / 29