Moonshot AI
6 ноября 2025
Kimi K2 Thinking
Context: 262.1KInput: — / 1MOutput: — / 1M
What's new
- Reasoning-модель с interleaved thinking и 200–300 последовательными вызовами инструментов
- HLE с инструментами 44.9%, BrowseComp 60.2%, BrowseComp-ZH 62.3% и Seal-0 56.3%
- SWE-bench Verified 71.3%, SWE-bench Multilingual 61.1%, Terminal-Bench 47.1% и LiveCodeBench v6 83.1%
- AIME 2025 94.5% без Python и 99.1% с Python; GPQA-Diamond 84.5%
- Нативное INT4 QAT примерно удваивает скорость генерации; все опубликованные результаты сняты в INT4
Verdict
K2 Thinking превратила Kimi из быстрого tool-user в полноценного reasoning-агента, способного удерживать сотни шагов и конкурировать с закрытыми флагманами.