月之暗面（Moonshot AI）近日震撼发布并开源了其最新力作——Kimi K2 Thinking。这款被誉为“迄今能力最强的开源思考模型”，以“模型即Agent”为核心理念，旨在大幅缩小开源与闭源大模型之间的差距，其在多项关键能力上展现出超越GPT-5的惊人表现。
Kimi K2 Thinking的核心亮点在于其强大的智能体（Agent）能力。它不再仅仅是一个被动的语言生成器，而是一个能够主动思考并利用工具解决复杂问题的智能体。官方数据显示，K2 Thinking无需人工干预，即可执行高达200-300次的连续工具调用，展现了前所未有的任务执行持久性和复杂性。
这一突破得益于月之暗面在“测试时扩展”（Test-Time Scaling）领域的最新进展，通过同步扩展思考Token和工具调用轮次，模型的推理和Agent性能得到了质的飞跃。这意味着K2 Thinking能够像人类专家一样，为了解决一个复杂问题，持续地进行“思考→搜索→浏览网页→编程→验证”的动态循环。
- 模型规模
总参数量高达1TB，采用MoE架构，激活参数为32B。 - 上下文窗口
支持256K的超长上下文窗口。 - 原生量化
采用原生INT4量化，而非FP8。这一选择不仅将生成速度提升约2倍，还对国产计算芯片更加友好，降低了部署门槛。
Kimi K2 Thinking的发布并非空谈，其在多个权威基准测试中的表现令人瞩目，甚至在部分测试中超越了GPT-5、Claude Sonnet 4.5等顶尖闭源模型。
- 人类最后考试 (HLE)
在允许使用搜索、Python等工具的条件下，K2 Thinking取得了44.9%的SOTA成绩。 - 自主网络浏览 (BrowseComp)
以60.2%的成绩刷新纪录，远超人类平均水平（29.2%），展示了其强大的信息检索和整合能力。 - 智能体工具使用 (²-Bench Telecom)
第三方测试显示，其工具使用能力从K2 Instruct的73%跃升至93%，达到新的SOTA。
除了强大的推理和搜索能力，K2 Thinking在编程和通用能力方面也实现了显著增强.
在SWE-bench、LiveCodeBench等编程基准中，K2 Thinking与顶级闭源模型不相上下。它尤其擅长处理前端任务，能将模糊的创意转化为功能齐全、响应式的产品。官方演示中，它甚至能独立复刻一个Word文字编辑器或创作华丽的Voxel Art作品，展现了其处理复杂多步骤开发工作流的强大潜力。
- 创意写作 能将粗略灵感转化为意象生动、情感共鸣强烈的叙述。
- 学术研究 在分析深度、信息准确性和逻辑结构上均有提升，擅长处理学术论文和技术报告。
- 情感对话 回答更富同理心，立场更中正平和，能提供细致入微的观点。
尽管K2 Thinking表现惊艳，但独立的测评也指出了其尚待完善的方面。测评机构“大模型观测员”将其誉为“属于Kimi的阿波罗10号”，肯定了其里程碑式的意义。
主要优势：
- 长链推理 在最复杂的推理问题上，性能接近GPT-5 Mini。
- 低幻觉率 上下文关键信息抓取能力显著改善，幻觉率进入第一梯队。
- 计算稳定性 得益于低幻觉，其数学计算的稳定性也达到顶尖水准。
待改进之处：
- 指令遵循 在处理复杂指令时，能力略逊于Grok 4。
- 编程基本功 基础编程能力未有显著强化，更侧重于Agent模式下的“知错能改”。
- Token消耗 为追求解答的准确性，其思考过程偏向“暴力破解”，导致Token开销显著高于同类模型。
Kimi K2 Thinking的发布，无疑是全球大模型领域的一个重要事件。它不仅以开源的姿态，将国产大模型的实力推向了与世界第一梯队仅差数月的新高度，更重要的是，它在“模型即Agent”的道路上迈出了坚实而超前的一步。正如测评所言，它刷新的是分数，更是大模型从业者的“登月梦想”。Kimi的这艘飞船，已然进入环月轨道，未来可期。
Kimi K2 Thinking 模型发布并开源，全面提升 Agent 和推理能力
Kimi，公众号：Kimi开放平台Kimi K2 Thinking 模型发布并开源，全面提升 Agent 和推理能力
Kimi K2 Thinking 测评
toyamanao，公众号：大模型观测员Kimi K2 Thinking 测评