根据著名AI分析机构Artificial Analysis的评测，Kimi K2 Thinking在智能体相关任务中表现非常出色，但在评测完成后，它产生的代币数量是所有模型中最多的，并且表现出非常“爱说话”的特点。核心点是：智商67分，登顶开源榜第一。 Kim K2 Thinking在人工智能分析智商中获得了67分。这一结果明显超过了所有其他开源权重模型，包括最近发布的MiniMax-M2（61分）和DeepSeek-V3.2-Exp（57分），在所有模型中仅次于GPT-5排名第二。特工拥有超强的技能和强大的推理能力。 Kimi K2 Thinking在智能体应用场景中展现出强大的实力，在分析智能体指数中仅次于GPT-5排名第二。其优越的性能主要归功于其²-Bench性能。在电信基准测试中取得了93%的成绩。这是一个使用代理工具的回顾。这是该机构独立衡量的最高分。另外，在 Humanity’s Last Exam 评测中，Kimi K2 Thinking 在没有工具的情况下取得了 22.3% 的成绩，成为继 GPT-5 和 Grok 4 之后最好的开源模型。虽然 Kimi K2 荣膺新一届开源模型冠军，但 Thinking 并未在任何一次代码评测中取得全面胜利，而是在各项评测中均与其他开源模型相比获得第一名或并列第一。具体排名如下：Terminal-Bench Hard第六名、SciCode第七名、LiveCodeBench第二名。因此，人工维度索引DeepSeek V3.2。分类详情： 模型详细信息：10 亿个参数，原生 INT4 精度 模型规格：总参数 10 亿个，激活参数 320 亿个（约 594 GB），仅支持文本输入，拥有 256K 上下文窗口 模型定位：该模型是 Kim K2 Instruct 的推理变体相同的架构和参数数量 INT4 精度：之前由 Kim K2 Instruct FP8 发布的精度不同，该模型原生以 INT4 精度推出。月之暗面通过在训练后阶段使用量化感知训练来实现这一目标。这样一来，模型大小仅为 594 GB 左右，相比 K2 Instruct 超过 1 TB 的大小显着减少，并提高了推理和训练效率。成本：高冗余、成本和延迟。想到Kimi K2的叔叔的行为举止非常“多嘴”。智能指数审核完成后，总共将使用 1.4 亿个代币。这比 DeepSeek V3.2 快约 2.5 倍，比 GPT-5 快约 2 倍。高冗余直接影响基础版本API的成本和延迟。价格：入场100万，退出2.5/100万代币。总评估成本：356 美元，比顶级模型便宜（比 GPT-5（高）便宜 2.5 倍），但比 DeepS 贵 9 倍eek V3.2 速度：非常慢，输出约 8 个代币/秒 Turbo API 版本： 价格：100 万个输入，8/100 万个输出代币。总审查成本：1,172 美元，使其成为继 Grok 4 之后第二昂贵的型号。 速度：相对较快，每秒最多输出 50 个代币 报告指出，此版本再次凸显了持续的趋势。也就是说，后训练，尤其是强化学习（RL），有助于提高涉及推理模型和工具调用的长距离任务的性能。参考：https://artificialanalogy.ai/models/kimi-k2-Pensando
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传发布，网易号是一个仅提供信息存储服务的社交媒体平台。
