根据著名AI分析机构Artificial Analysis的评估，Kimi K2 Thinking在智能体（agentic）相关任务中表现非常突出，但在完成评测时生成了所有模型中最多的token，表现出非常“话痨”的特性

以下是其核心要点：

智能指�分，登顶开源榜首

Kimi K2 Thinking在Artificial Analysis智能指数中获�分。

这一成绩使其明确领先于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

Agent能力突出，推理表现强劲

Kimi K2 Thinking在智能体应用场景中展现出强大实力，在Artificial Analysis智能体指数中排名第二，仅次于GPT-5

其优异表现主要得益于在²-Bench Telecom基准测试中取得�%的成绩。这是一个智能体工具使用评测。这是该机构独立测量到的最高分

此外，在Humanity’s Last Exam（人类终极考试）评测中，Kimi K2 Thinking在无工具情况下的得分�.3%，创下开源模型历史新高，仅次于GPT-5和Grok 4

成为新晋开源代码模型冠军

尽管Kimi K2 Thinking并未在任何一项代码评测中夺得总冠军，但相较于其他开源模型，它在各项评测中均排名第一或并列第一

具体排名为：Terminal-Bench Hard񌾾名，SciCode񌾿名，LiveCodeBench񌾺名

因此，它在Artificial Analysis代码指数中超越了先前的开源领导者DeepSeek V3.2

更多排名：

模型细节：1万亿参数，INT4原生精度

模型规格：总参数񛈗万亿，激活参�亿（�GB），仅支持文本输入，拥�K上下文窗口

模型定位：该模型是Kimi K2 Instruct的推理变体，拥有相同的架构和参数数量

INT4精度：与此前Kimi K2 Instruct发布的FP8精度不同，该模型原生以INT4精度发布。月之暗面在后训练阶段使用了量化感知训练来实现这一点。这使得模型大小仅为�GB，相比K2 Instruct񊄩TB以上大幅缩小，从而提升了推理和训练效率

代价：高冗余度、成本与延迟

Kimi K2 Thinking表现得非常“话痨”。在完成智能指数评测时，它总共使用𱄽.4亿个token，约为DeepSeek V3.2񊄪.5倍，GPT-5񊄪倍。

高冗余度直接影响了成本和延迟

基础版API：

定价：输入 百 万 ， 输 出 2.5/百万token。

评测总成本：$356，比顶尖前沿模型便宜（比GPT-5（高）便𹐚.5倍），但比DeepSeek V3.2񘐛倍

速度：非常慢，񏊄个输出token/秒

Turbo版API：

定价：输入 百 万 ， 输 出 8/百万token。评测总成本：$1172，是第二昂贵的模型，仅次于Grok 4。速度：相对较快，�个输出token/秒

报告指出，此次发布再次凸显了一个持续的趋势：后训练，特别是强化学习（RL），正在推动推理模型和涉及工具调用的长程任务性能实现增长

参考：

https://artificialanalysis.ai/models/kimi-k2-thinking