Kimi K2
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 89%。
有 52 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 49 个。
截至 2026年11月16日,Kimi K2(Moonshot AI)在 BenchLeader Index 上得分 51.1(共 608 个已排名配置)。表现最好的是数学(61),最弱的是推理(41)。API 价格为输入每百万 token $0.570、输出每百万 token $2.30(按 3:1 混合为 $1.00),为 2026年11月16日的标价。输出速度约为 41 token/秒(Artificial Analysis)。发布于 2025年7月11日。
要点(截至 2026年11月16日)
- Kimi K2 的 API 价格为输入每百万 token $0.570、输出每百万 token $2.30(按 3:1 混合为 $1.00)(标价,2026年11月16日)。
- Kimi K2 的输出速度约为 41 token/秒(Artificial Analysis,2026年11月16日)。
- Kimi K2 于 2025年7月11日发布(Moonshot AI)。
详细说明:Kimi K2 是 Moonshot AI 的开放权重模型,发布于 2025年7月11日。其最佳配置在 BenchLeader Index 上得分 51.1 ±3.7,在 608 个配置中排第 321 名,处于下半区。关键在于这个“±”:另有 265 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(61),推理最低(41)。按混合价格计,每百万 token $1.00,价格居中。输出速度为 41 token/秒,首次回答需 6.5 秒,位于最慢的四分之一。它已被 Kimi K2 0905 取代,如今应与后者进行比较。最近一次测量:2026年11月11日。
- 混合价格
- $1.00/M
- 输入 $0.570 · 输出 $2.30
- 来源:Artificial Analysis
- 输出速度
- 41 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 6.48 s
- 首 token 1.25 s
- 上下文
- 131k
- 来源:models.dev
- 完整回答
- 64 s
- 最近一次测量 2026年11月13日
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年7月11日
- 综合 Index51
- 推理41
- 编程48
- 智能体与工具53
- 数学61
- 知识44
- 指令遵循53
- 人类偏好59
- 长上下文51
版本
Moonshot AI 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| Kimi K2 0905 | 2025年9月5日 | 51.7 | #304 |
| Kimi K2本页 | 2025年7月11日 | 51.1 | #321 |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
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 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 44.4#97 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SimpleBench | 26.3%#95 | SimpleBench | |
| Arena Hard Prompts | 1433#141 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 76.6%#235 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 7.4%#385 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 71.5%#89 | Vals AI | |
| Kagi LLM Benchmark | 45.0%#93 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index | 65.2%#19 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| Arena Expert不计入 Index | 1415#158 | Arena (LMArena) | |
| ForecastBench不计入 Index | 62.0%#60 | ForecastBench |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| WeirdML | 39.4%#108 | WeirdML | |
| GSO-Bench | 4.9%#25 | GSO-Bench | |
| Arena Coding | 1460#137 | Arena (LMArena) | |
| LiveCodeBench | 70.5%#86 | Vals AI | |
| SWE-Bench Pro | 27.7%#17 | Scale AI SEAL | |
| Aider Polyglot | 59.1%#24 | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only) | 43.8%#36 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index | 65.4%#22 | SWE-bench | |
| Design Arena Website不计入 Index | 1042#161 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 55.6%#122 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench | 27.8%#74 | Terminal-Bench | |
| Terminal-Bench Hard | 15.9%#194 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 61.1%#180 | Artificial Analysis | |
| BFCL Overall | 59.1%#9 | Berkeley Function Calling Leaderboard | |
| Terminal-Bench 2.0 (Vals)不计入 Index | 25.8%#50 | Vals AI | |
| BrowseComp-Plus不计入 Index | 14.6%#15 | BrowseComp-Plus |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AIME (Vals) | 62.7%#56 | Vals AI | |
| MGSM | 91.0%#30 | Vals AI | |
| Omni-MATH (HELM) | 65.4%#6 | HELM Capabilities | |
| MATH 500不计入 Index | 94.2%#10 | Vals AI | |
| Arena Maths | 1388#171 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 57.0%#120 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 79.4%#95 | Vals AI | |
| LegalBench | 81.5%#81 | Vals AI | |
| CorpFin | 50.4%#105 | Vals AI | |
| TaxEval | 70.2%#91 | Vals AI | |
| MedQA | 84.0%#60 | Vals AI | |
| PRBench Finance | 38.3%#36 | Scale AI SEAL | |
| PRBench Legal | 36.4%#45 | Scale AI SEAL | |
| MultiNRC | 18.5%#35 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index | 81.9%#14 | HELM Capabilities |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 41.5%#249 | Artificial Analysis | |
| IFEval (HELM) | 85.0%#19 | HELM Capabilities | |
| WildBench (HELM) | 86.2%#3 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1381#170 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1418#131 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1666#40 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1371#153 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1420#133 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1395#173 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 85.6%#2 | Lech Mazur |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 53.0%#329 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 141.2#109 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 12.7#334 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 211.5#377 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 76.8%#10 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 55.5%#75 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 46.7%#60 | Scale AI SEAL |
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| NovitaAI | 35 tok/s | 1.04 s | $0.570 | $2.30 | 131k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0009 | – | 13.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0082 | – | 21.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0069 | – | 43.2 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.043 | – | 1.7 min |
| 结构化信息提取 | 2,000 / 200 | $0.0016 | – | 11.4 s |
Moonshot AI 的更多模型
另请参阅
嵌入或引用
引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). Kimi K2 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/kimi-k2
BibTeX:
@misc{benchleader_kimi_k2_20261116,
author = {{BenchLeader}},
title = {{Kimi K2 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/kimi-k2}},
note = {Data as of 2026-11-16}
}常见问题
- Kimi K2 的基准测试得分是多少?
- 截至 2026年11月16日,Kimi K2 的 BenchLeader Index 为 51.1 ±3.7。最强的是数学(61),最弱的是推理(41)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- Kimi K2 排名第几?
- 截至 2026年11月16日,Kimi K2 在 608 个已排名配置中排第 321 名。另有 265 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- Kimi K2 每百万 token 的价格是多少?
- 截至 2026年11月16日,Kimi K2 的价格为输入每百万 token $0.570、输出每百万 token $2.30,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.00。标价最近一次变动是在 2026年9月9日。
- Kimi K2 是什么时候发布的?
- Moonshot AI 于 2025年7月11日发布了 Kimi K2。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《Kimi K2: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/kimi-k2。