Moonshot AI
Kimi K2 Thinking 评测成绩
来自 4 个来源、7 项基准的 11 条成绩。
其他名称: kimi-k2-thinking-turbo · Kimi K2 Thinking Turbo · kimi-k2-thinking · kimi-k2-0905-preview · Kimi K2 · Lingxi v1.5 x Kimi K2 · Kimi-K2-Thinking · Kimi-k2
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1430 | 114 | Overall, style control on; 63390 votes; 95% CI 1427–1433“kimi-k2-thinking-turbo” | 官方榜单 | 2026年10月8日 |
| LMArena WebDev | 1322 | 119 | Overall; 13093 votes; 95% CI 1315–1329“kimi-k2-thinking-turbo” | 官方榜单 | 2026年10月8日 |
| GPQA Diamond | 84.2% | 91 | Epoch AI run, accuracy | 独立评测 | 2025年11月11日 |
| SWE-bench Verified | 71.2% | 22 | agent: Lingxi v1.5“kimi-k2-0905-preview” | 官方榜单 | 2025年10月14日 |
| SWE-bench Verified | 63.4% | 43 | agent: mini-SWE-agent“Kimi-K2-Thinking” | 官方榜单 | 2025年12月10日 |
| AIME (OTIS Mock AIME 2024–2025) | 83.1% | 104 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2025年11月13日 |
| τ²-bench | 56.5% | 18 | airline domain, pass^1; submitted by Moonshot AI; v0.1.3“Kimi-k2” | 厂商自报 | 2025年7月28日 |
| τ²-bench | 70.6% | 24 | retail domain, pass^1; submitted by Moonshot AI; v0.1.3“Kimi-k2” | 厂商自报 | 2025年7月28日 |
| τ²-bench | 65.8% | 16 | telecom domain, pass^1; submitted by Moonshot AI; v0.1.3“Kimi-k2” | 厂商自报 | 2025年7月28日 |
| Terminal-Bench 2.0 | 35.7% | 110 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年11月6日 |
| Terminal-Bench 2.0 | 35.7% | 111 | Terminal-Bench 2.0; agent: Terminus 2 | 官方榜单 via Epoch AI | 2025年11月11日 |
常见问题
Kimi K2 Thinking 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LMArena leaderboard dataset、SWE-bench leaderboards (swebench.com)和τ²-bench leaderboard submissions。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。