BenchLeader
MBZUAI开放权重推理模型与其他模型对比

K2 Think V2

推理强度

截至 2026年11月16日,K2 Think V2(MBZUAI)尚未进入 BenchLeader Index 排名,Index 需要至少两个类别、合计至少五项第三方结果。发布于 2025年12月15日。

要点(截至 2026年11月16日)

  • K2 Think V2 于 2025年12月15日发布(MBZUAI)。

详细说明:K2 Think V2 是 MBZUAI 的开放权重推理模型,发布于 2025年12月15日。尚未进入排名:Index 需要至少两个类别、合计至少五项第三方结果。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2025年12月5日。数据较旧:六个月内没有新结果

混合价格
–
输出速度
–
首次回答
–
上下文
512k
来源:Artificial Analysis
单任务成本
–
单任务 token 数
–
发布日期
2025年12月15日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 智能体与工具38
  2. 指令遵循44
  3. 长上下文34

K2 Think V2 首次获得基准测试结果时发邮件通知我

MBZUAI 发布新模型时也会通知,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
low最佳–––––智能体与工具 38 · 指令遵循 44 · 长上下文 34
medium–––––智能体与工具 41 · 指令遵循 56 · 长上下文 38
high–––––智能体与工具 42 · 指令遵循 60 · 长上下文 41
thinking–––––智能体与工具 40 · 指令遵循 63 · 长上下文 53

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试lowmediumhighthinking来源趋势
AA Openness Index不计入 Index88.9#188.9#188.9#188.9#1Artificial Analysis

推理

基准测试lowmediumhighthinking来源趋势
GPQA Diamond (AA)不计入 Index54.1%#41559.8%#38568.1%#32271.3%#293Artificial Analysis
Humanity's Last Exam (AA)不计入 Index3.6%#6064.4%#53110.5%#33610.1%#344Artificial Analysis
CritPt不计入 Index0.0%#3370.0%#3370.0%#3370.0%#337Artificial Analysis

编程

基准测试lowmediumhighthinking来源趋势
Terminal-Bench 2.1 (AA)不计入 Index–––15.0%#186Artificial Analysis
LiveCodeBench (AA)不计入 Index39.3%#17354.1%#12969.4%#71–Artificial Analysis

智能体与工具

基准测试lowmediumhighthinking来源趋势
Terminal-Bench Hard4.5%#2898.3%#2409.8%#2336.8%#254Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index20.8%#33424.9%#30127.8%#27725.4%#296Artificial Analysis
GDPval-AA v2.1, normalised score不计入 Index–––0.0%#124Artificial Analysis
GDPval-AA v2.1不计入 Index–––137#279Artificial Analysis
AA-Briefcase v1.1不计入 Index–––8#252Artificial Analysis

数学

基准测试lowmediumhigh来源趋势
AIME 2025 (AA)不计入 Index35.3%#16564.7%#10478.3%#69Artificial Analysis

知识

基准测试lowmediumhigh来源趋势
Global-MMLU-Lite (AA)不计入 Index71.4%#9976.7%#8478.6%#79Artificial Analysis

指令遵循

基准测试lowmediumhighthinking来源趋势
IFBench41.0%#25955.1%#14960.1%#12862.8%#118Artificial Analysis

长上下文

基准测试lowmediumhighthinking来源趋势
AA-LCR v1.120.3%#45628.0%#42435.0%#39957.0%#313Artificial Analysis

综合

基准测试lowmediumhighthinking来源趋势
AA Intelligence Index v4.3.2不计入 Index7.3#4929.0#4239.9#39811.5#360Artificial Analysis
AA Progress Index v1不计入 Index176.6#488199.3#421214.1#371215.3#360Artificial Analysis

MBZUAI 的更多模型

本月新上线

另请参阅

常见问题

为什么 K2 Think V2 没有 BenchLeader Index 得分?
Index 需要至少两个类别、合计至少五项第三方结果,截至 2026年11月16日,K2 Think V2 尚未达到。我们从不采用发布文章中的分数,因此要等第三方发布方完成测量后才会排名。
K2 Think V2 是什么时候发布的?
MBZUAI 于 2025年12月15日发布了 K2 Think V2。BenchLeader 收录了它在 4 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《K2 Think V2:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/k2-v2。