月之暗面近期发布了Kimi-K2-Thinking模型，这是基于“模型即Agent”理念训练的新一代Thinking Agent，原生掌握“边思考，边使用工具”的能力。作为一款MoE架构模型（每次激活32B参数），我们对其与基础版本kimi-k2-0711-preview进行了全面的对比评测，测试其在准确率、响应时间、token消耗和成本等关键指标上的表现差异。
Kimi-K2-Thinking版本表现：
* 测试题数：约1.5万
* 【总分】准确率：67.9%
* 平均耗时（每次调用）：333s
* 平均消耗token（每次调用）：5732
* 花费/千次调用（元）：89.2
* 输出价格：16.0元/M token
1、基础版本能力对比
首先对比基础版本kimi-k2-0711-preview，数据如下：
数据来源：ReLE评测 https://github.com/jeinlee1991/chinese-llm-benchmark
- 整体性能显著提升：Kimi-K2-Thinking准确率达到67.9%，相比基础版本kimi-k2-0711-preview的63.4%提升了4.5个百分点，排名从第28位跃升至第7位，实现了21个位次的大幅进步。
- 推理能力突破性增强：思考模式带来的最大收益体现在“推理与数学计算能力”上，从55.0%大幅提升至73.7%，增幅高达18.7个百分点。
- Agent能力显著强化：“agent与工具调用”能力从56.0%提升至68.0%，增幅达12.0个百分点，印证了“边思考，边使用工具”的设计理念确实带来了实质性的能力提升。
- 部分领域出现权衡：值得注意的是，部分领域出现了性能回退。“金融”领域从78.6%下降至71.9%（-6.7%），“法律与行政公务”从78.7%降至72.3%（-6.4%），“语言与指令遵从”从69.8%降至63.4%（-6.4%），“医疗与心理健康”也从80.5%降至77.7%（-2.8%）。这表明思考模式在提升复杂推理能力的同时，对某些依赖知识检索的任务可能存在过度思考的问题。
2、对比其他旗舰模型
在当前主流大模型竞争格局中，Kimi-K2-Thinking作为月之暗面的新旗舰模型表现如何？我们从多个维度进行横向对比分析：
数据来源：ReLE评测 https://github.com/jeinlee1991/chinese-llm-benchmark
新模型之间的对比
* 排名位居中上游：在本次评测的新模型中，从综合总分来看，Kimi-K2-Thinking以67.9%的准确率排名第7，处于中游偏上位置。领先于GLM-4.5（66.9%）、qwen3-max-preview（66.5%）等模型，但落后于doubao-seed-1-6-thinking-250715（71.7%）、DeepSeek-V3.2-Exp-Think（70.1%）等头部选手。
* 思考模型竞争激烈：作为thinking模式的代表，Kimi-K2-Thinking综合的67.9%准确率落后于doubao-seed-1-6-thinking-250715（71.7%）3.8个百分点，也落后于DeepSeek-V3.2-Exp-Think（70.1%）2.2个百分点，在思考模型阵营中，以综合得分来看，尚未取得领先地位。
开源VS闭源对比
* 开源阵营表现亮眼：作为开源模型，Kimi-K2-Thinking的67.9%准确率在开源模型中表现出色，超越了DeepSeek-V3.1-Think（67.7%）、GLM-4.5（66.9%）等同阵营选手。
* 相比闭源模型仍有差距：与头部闭源模型相比，Kimi-K2-Thinking落后于o4-mini（69.0%）1.1个百分点，落后于gpt-5-2025-08-07（68.9%）1.0个百分点，落后于gemini-2.5-pro（68.7%）0.8个百分点。
* 开源thinking模型领先者：在开源thinking模型中，Kimi-K2-Thinking的67.9%准确率超过了DeepSeek-V3.1-Think（67.7%）和qwen3-235b-a22b-thinking-2507（65.5%），展现了月之暗面在开源思维链技术上的竞争力。
综合定位：Kimi-K2-Thinking作为月之暗面的新一代旗舰模型，在“模型即Agent”的技术路线上迈出了重要一步，尤其在推理和工具调用能力上表现突出。但在当前竞争激烈的thinking模型市场中，其整体性能仍有提升空间，特别是在保持推理优势的同时，如何避免知识型任务的性能回退，将是后续优化的重点方向。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/14628