Moonshot AI
Kimi K2.5 评测成绩
来自 3 个来源、9 项基准的 13 条成绩。
其他名称: kimi-k2.5-thinking · kimi-k2.5-instant · fireworks/kimi-k2p5 · Kimi K2.5 (Fireworks) · kimi-k2.5 · Kimi K2.5 (high)
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1450 | 78 | Overall, style control on; 74811 votes; 95% CI 1447–1453“kimi-k2.5-thinking” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1430 | 113 | Overall, style control on; 8378 votes; 95% CI 1424–1437“kimi-k2.5-instant” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1437 | 77 | Overall; 20127 votes; 95% CI 1431–1442“kimi-k2.5-thinking” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1404 | 87 | Overall; 3269 votes; 95% CI 1392–1416“kimi-k2.5-instant” | 官方榜单 | 2026年10月8日 |
| LMArena Vision | 1252 | 48 | Overall, style control on; 28326 votes; 95% CI 1246–1258“kimi-k2.5-thinking” | 官方榜单 | 2026年10月2日 |
| LMArena Vision | 1237 | 62 | Overall, style control on; 4108 votes; 95% CI 1226–1248“kimi-k2.5-instant” | 官方榜单 | 2026年10月2日 |
| GPQA Diamond | 87.6% | 68 | Epoch AI run, accuracy; effort: Fireworks | 独立评测 | 2026年2月2日 |
| SWE-bench Verified | 73.8% | 17 | Epoch AI run (Epoch scaffold) | 独立评测 | 2026年2月17日 |
| SWE-bench Verified | 70.8% | 25 | agent: mini-SWE-agent“kimi-k2.5” | 官方榜单 | 2026年2月17日 |
| AIME (OTIS Mock AIME 2024–2025) | 92.2% | 64 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: Fireworks | 独立评测 | 2026年2月2日 |
| Humanity's Last Exam | 24.4% | 18 | Compiled by Epoch AI | 第三方汇编 via Epoch AI | 2026年1月27日 |
| OSWorld (Verified) | 63.3% | 2 | OSWorld; agent: Kimi-K2.5 | 官方榜单 via Epoch AI | 2026年2月3日 |
| Terminal-Bench 2.0 | 43.2% | 84 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2026年1月27日 |
常见问题
Kimi K2.5 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset和SWE-bench leaderboards (swebench.com)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。