自动展示选中模型的核心信息与各评测得分，可左右滑动查看完整表格。 当前对比 2 个模型的评测数据与核心参数。
每条轴代表一个评测领域的平均水平，并统一映射到 100 分雷达坐标。
相对优势: OpenClaw智能体能力综合测评 +4.5 / 相对落后: 综合评估 -2.3
相对优势: 综合评估 +2.3 / 相对落后: OpenClaw智能体能力综合测评 -4.5
计算口径：同一模型在同一 benchmark 下先平均当前模式范围内的所有分数，不取最高分；再按评测领域对这些 benchmark 分数求平均。只纳入至少两个模型有数据的 benchmark，缺项不按 0 分处理。
综合领先
Qwen3-Max-Thinking · 78.33
单项最高
Kimi K2.5 · GPQA Diamond 87.60
模态覆盖
Kimi K2.5 · 2 种模态
正面对比
7
评测基准
4
领先项
3
落后项
-0.51
平均分差
完整列出各模型/模式的评测得分，便于横向比较。
7 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Kimi K2.5 | Qwen3-Max-Thinking |
|---|---|---|
GPQA Diamond 综合评估 | 87.60开启思考 | 87.40开启思考 |
HLE 综合评估 | 50.20开启思考 ｜ 工具 | 49.80开启思考 ｜ 工具 |
MMLU Pro 综合评估 | 78.50开启思考 | 85.70开启思考 |
LiveCodeBench 编程与软件工程 | 85.00开启思考 | 85.90开启思考 |
SWE-bench Verified 编程与软件工程 | 76.80开启思考 ｜ 工具 | 75.30开启思考 |
IMO-AnswerBench 数学推理 | 81.80开启思考 | 83.90开启思考 |
Pinch Bench OpenClaw智能体能力综合测评 | 84.80开启思考 ｜ 工具 | 80.30开启思考 ｜ 工具 |
输入输出 token 价格并排展示
是否 MoE、商业授权、模态支持等附加能力对比。
| 功能与规格 | Kimi K2.5Moonshot AI | Qwen3-Max-Thinking阿里巴巴 |
|---|---|---|
核心规格发布时间 | 2026-01-27 | 2026-01-26 |
上下文 | 256K | 1000K |
参数量 | 10000 | 10000 |
激活参数量 | 320 | 未提供 |
最大输出 | 16384 | 32768 |
MoE 架构 | 支持 | 支持 |
支持模式 | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） | 常规模式（Non-Thinking Mode）思考模式（Thinking Mode） |
开源与许可代码开源 | 未提供 | 未提供 |
权重开源 | 未提供 | 未提供 |
商业授权 | 免费商用授权 | 不开源 |
模态支持文本 输入/输出 | / | / |
图片 输入/输出 | / | / |
音频 输入/输出 | / | / |
视频 输入/输出 | / | / |
Embedding 输入/输出 | / | / |
资料来源论文 / 报告 | Kimi K2.5: Visual Agentic Intelligence | Qwen3-Max-Thinking: Pushing the Limits of Reasoning via Test-Time Scaling |
DataLearner 博客 | 重磅！Kimi K2.5发布，依然免费开源！原生多模态MoE架构，全球最大规模参数的开源模型之一，官方评测结果比肩诸多闭源模型！可以驱动100个子Agent执行！ | 未提供 |
