日前，月之暗面开源了最新一代大模型Kimi K2 Thinking。

新模型一经推出，好评如潮！

HuggingFace 联合创始人Thomas Wolf 甚至毫不吝啬的表示，“我们正在见证又一次 DeepSeek 时刻”。

知名学者Alvin Wang Graylin 也夸赞，其已经超越西方的闭源模型。

为什么此次月之暗面推出的Kimi K2 Thinking这么受欢迎？

我们接着往下看。

根据AI分析机构Artificial Analysis的评估，Kimi K2 Thinking在智能体相关任务中表现非常突出。

比如，在Artificial Analysis智能指数中，获得67分。

这一成绩使其领先于所有的其他开源模型，包括最近发布的MiniMax-M2和DeepSeek-V3.2-Exp，仅次于GPT-5。

在智能体工具调用 (𝜏²-Bench)测试中，Kimi K2 Thinking得分高达 93%，是目前第三方机构测量到的最高分。

在在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为22.3%，仅次于GPT-5和Grok 4。

这成绩已经不是国产SOTA了，当之无愧又一次的DeepSeek时刻。

据介绍， K2 Thinking 的参数规模高达万亿。

但其运行成本仍然很低，其 API 价格是百万 token 输入 0.15 美元（缓存命中）/0.6 美元（缓存未命中），每百万 token 输出 2.5 美元。

那K2 Thinking的实际效果到底如何？

老规矩，我们实测一番。

由于现在的模型的能力越来越强，并且有很多变量的存在，简单的题目已经无法测出模型的能力了。

于是我们决定用历届模型经常翻车的问题来逐一刁难它，看K2 Thinking究竟是否会翻车！（关闭搜索）

测试题一：爱心视觉错题

这是最近最火的一道视觉测试题，测试模型是否可以看到图片中的爱心。

目前没有一个模型回答正确，看K2 Thinking是否能回答正确。

K2 Thinking同样没看出图片中的爱心图标，它的回答是“一个圆形的图案漂浮在背景之上”。

测试题二：数值比较

测试题很简单，9.11-9.9=?

看这次K2 Thinking能否答对！

回答错误！并且还把计算过程列出来了。

测试题三：数数题

“strawberryrrrrrr"中有几个字母“r"。

同样这道题对于我们来说非常简单，但对大模型的难度可不一般，此前多款顶尖模型拜倒在这道题的石榴裙下。

为了防止之前的题目会训练过，所有我们在“strawberry”的基础上，多在了6个“r”。

依旧回答正确，并且明确指出"strawberry"部分有 3个“r”，后面的"rrrrrr"部分有 6个“r”。

测试题四：竹子过门

一根5米长的竹竿，能不能通过高2米、宽2米的城门？

同样这道题我们也做了简单从处理。

终于，被这道题难到了，不过也很正常，这道题很多模型都回答不出。

下面再来道非常烧脑的逻辑题。

测试题五：爱因斯坦斑马问题

提示词：

1、 一条街上有五座不同颜色的房子，每座房子住着不同国籍的人，每个人有不同的职业，喝不同的饮料，养不同的宠物。
2、英国人住在红色的房子里；
3、西班牙人养了一条狗；
4、日本人是一个油漆工；
5、意大利人喜欢喝茶；
6、挪威人住在左边的第一个房子里；
7、绿房子在白房子的右边；
8、摄影师养了一只蜗牛；
9、外交官住在黄房子里；
10、中间房子里的那个人喜欢喝牛奶；
11、喜欢喝咖啡的人住在绿房子里；
12、挪威人住在蓝色的房子旁边；
13、小提琴家喜欢喝橘子汁；
14、养狐狸的人所住的房子与医师的房子相邻；
15、养马的人所住的房子与外交官的房子相邻。

先给大家公布正确的答案。

回答错误，再次难倒。

看来这几道题的难度不小，绝大部分的模型都倒在这几道题上。

最后大家感兴趣的可以去体验一下，K2 Thinking已上线Kimi啦。

相关阅读：

国内订阅ChatgPT Plus的五种方法