BenchLeader

Kimi K2.5

推理强度
质量第 46 / 339 名
59.4Index
前四分之一
较中位数 +9.2
价格第 148 / 255 名
$1.20每百万 token
比多数贵
中位数的 1.4 倍
速度第 179 / 216 名
43token/秒
后四分之一
中位数的 0.5 倍
性价比第 142 / 255 名
49.5分/$
低于中位数
中位数的 0.9 倍

性价比更高: GLM 5.3 Flash $0.238/M 即可获得 Index 57.8,便宜 80%。

没有比它更便宜且得分更高的已排名模型:它位于价格前沿上。

截至 2026年11月16日,Kimi K2.5(Moonshot AI)在 BenchLeader Index 上得分 59.4(共 608 个已排名配置)。表现最好的是指令遵循(69),最弱的是智能体与工具(45)。API 价格为输入每百万 token $0.600、输出每百万 token $3.00(按 3:1 混合为 $1.20),为 2026年11月16日的标价。输出速度约为 43 token/秒(Artificial Analysis)。发布于 2026年1月27日。

要点(截至 2026年11月16日)

  • Kimi K2.5 的 API 价格为输入每百万 token $0.600、输出每百万 token $3.00(按 3:1 混合为 $1.20)(标价,2026年11月16日)。
  • Kimi K2.5 的输出速度约为 43 token/秒(Artificial Analysis,2026年11月16日)。
  • Kimi K2.5 于 2026年1月27日发布(Moonshot AI)。

详细说明:Kimi K2.5 是 Moonshot AI 的开放权重推理模型,发布于 2026年1月27日。其最佳配置(推理强度 thinking)在 BenchLeader Index 上得分 59.4 ±4.2,在 608 个配置中排第 106 名,处于上半区。关键在于这个“±”:另有 225 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,指令遵循得分最高(69),智能体与工具最低(45)。按混合价格计,每百万 token $1.20,价格居中。输出速度为 43 token/秒,首次回答需 42.0 秒,位于最慢的四分之一。它已在 5 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:2026年11月11日。

混合价格
$1.20/M
输入 $0.600 · 输出 $3.00
来源:Artificial Analysis
输出速度
43 tok/s
由 Artificial Analysis 测量
首次回答
42 s
首 token 1.08 s
上下文
262k
来源:LiteLLM price table
完整回答
129 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
2026年1月27日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index59
  2. 推理67
  3. 编程55
  4. 智能体与工具45
  5. 数学65
  6. 知识60
  7. 指令遵循69
  8. 人类偏好63
  9. 多模态59
  10. 长上下文64

嵌入这个排名

更多徽章样式
[![Kimi K2.5 on BenchLeader: 综合第 46 名](https://www.benchleader.com/badge/kimi-k2-5.svg?style=compact)](https://www.benchleader.com/models/kimi-k2-5)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Moonshot AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 K2.6thinking2026年4月20日59.3#110
Kimi K2.5thinking本页2026年1月27日59.4#106

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
无推理––39 tok/s7.57 s$0.0011智能体与工具 50 · 指令遵循 46 · 长上下文 58 · 多模态 55
high––33 tok/s1.08 s$0.0011编程 62 · 数学 51
max––33 tok/s1.08 s$0.0011
thinking最佳59.4#10643 tok/s42 s$0.0011智能体与工具 45 · 编程 55 · 人类偏好 63 · 指令遵循 69 · 知识 60 · 长上下文 64 · 数学 65 · 多模态 59 · 推理 67
未说明54.6#22833 tok/s1.08 s$0.0011智能体与工具 46 · 编程 51 · 人类偏好 61 · 指令遵循 58 · 知识 48 · 长上下文 65 · 数学 62 · 多模态 54 · 推理 52

Index 走势

2026年9月8日 至 2026年11月16日
475564
  • thinking
  • 默认

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

基准测试无推理thinking来源趋势
AA Openness Index不计入 Index33.3#23933.3#239Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond推理强度未说明––87.6%#83Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明––24.4%#18Scale AI / CAIS
SimpleBench推理强度未说明––46.8%#65SimpleBench
Arena Hard Prompts–1471#851460#98Arena (LMArena)
GPQA Diamond (AA)不计入 Index78.9%#20987.9%#95–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index13.2%#29130.7%#161–Artificial Analysis
GPQA Diamond (Vals)不计入 Index–84.1%#53–Vals AI
Kagi LLM Benchmark–78.5%#1063.8%#40Kagi LLM Benchmark
ARC-AGI-1推理强度未说明––65.3%#161ARC Prize
ARC-AGI-2推理强度未说明––11.8%#166ARC Prize
CritPt不计入 Index0.6%#2743.1%#195–Artificial Analysis
Arena Expert不计入 Index–1482#731453#115Arena (LMArena)
CL-bench不计入 Index推理强度未说明––19.3%#10Epoch AI Benchmarking Hub
CL-bench Life不计入 Index推理强度未说明––13.2%#10Epoch AI Benchmarking Hub

编程

基准测试highthinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明––73.8%#17Epoch AI Benchmarking Hub
SciCode推理强度未说明––49.0%#132SciCode
WeirdML推理强度未说明––45.6%#84WeirdML
Arena Coding–1502#791505#70Arena (LMArena)
Arena WebDev–1436#891405#99Arena (LMArena)
LiveCodeBench–83.9%#45–Vals AI
SWE-bench (Vals)不计入 Index–70.0%#59–Vals AI
SWE-bench Verified (bash only)70.8%#11––SWE-bench
SWE-bench Multilingual (bash only)不计入 Index推理强度未说明––67.3%#7SWE-bench
SWE-bench Verified (any scaffold)不计入 Index70.8%#14––SWE-bench
Code Migration不计入 Index–7.0%#67–Vals AI
Vibe Code Bench v1.1不计入 Index–17.5%#96–Vals AI
SWE Atlas v1.0: Codebase QnA不计入 Index推理强度未说明––13.1%#20Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明––20.9%#15Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明––25.8%#21Scale AI SEAL
ALE-Bench不计入 Index推理强度未说明––821.6#82Epoch AI Benchmarking Hub
Terminal-Bench 2.1 (AA)不计入 Index–45.7%#129–Artificial Analysis
Design Arena Website不计入 Index–1241#66–Design Arena

智能体与工具

基准测试无推理thinking默认来源趋势
Terminal-Bench推理强度未说明––43.2%#52Terminal-Bench
Terminal-Bench Hard18.9%#17034.9%#82–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index81.3%#11995.9%#15–Artificial Analysis
Terminal-Bench 2.1 (Vals)–42.0%#66–Vals AI
MCP Atlas推理强度未说明––64.4%#28Scale AI SEAL
GDPval-AA v2.1不计入 Index–847#205–Artificial Analysis
τ³-Banking (AA)–14.2%#126–Artificial Analysis
APEX-Agents (AA)不计入 Index–11.5%#28–Artificial Analysis
Finance Agent v2不计入 Index–35.8%#69–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–0.0%#64–Vals AI
Legal Research Bench不计入 Index–15.9%#71–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–40.5%#31–Vals AI
Vending-Bench 2不计入 Index推理强度未说明––1198.5#56Andon Labs
Design Arena Agentic不计入 Index–1116#55–Design Arena

数学

基准测试highthinking默认来源趋势
OTIS Mock AIME推理强度未说明––92.2%#76Epoch AI Benchmarking Hub
AIME (Vals)–95.6%#8–Vals AI
AIME 202695.8%#13––MathArena
HMMT February 202687.1%#19––MathArena
MathArena Apex可能存在污染8.8%#23––MathArena
Arena Maths–1470#551441#94Arena (LMArena)

知识

基准测试无推理thinking默认来源趋势
SimpleQA Verified推理强度未说明––34.3%#61Epoch AI Benchmarking Hub
MMLU-Pro–85.9%#51–Vals AI
CorpFin–68.3%#10–Vals AI
TaxEval–74.2%#39–Vals AI
MedQA–94.4%#17–Vals AI
PRBench Finance推理强度未说明––46.5%#20Scale AI SEAL
PRBench Legal推理强度未说明––43.8%#30Scale AI SEAL
MultiNRC推理强度未说明可能存在污染––35.2%#21Scale AI SEAL
CaseLaw v2不计入 Index–58.7%#28–Vals AI
Excel Modeling Benchmark不计入 Index–28.5%#66–Vals AI
MedCode不计入 Index–39.3%#66–Vals AI
MedScribe不计入 Index–76.4%#74–Vals AI
Global-MMLU-Lite (AA)不计入 Index84.0%#45––Artificial Analysis

指令遵循

基准测试无推理thinking默认来源趋势
IFBench43.7%#22370.2%#69–Artificial Analysis
MultiChallenge推理强度未说明––61.4%#15Scale AI SEAL
TutorBench推理强度未说明––54.6%#6Scale AI SEAL
Arena Instruction Following不计入 Index–1439#811432#95Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text1450#811431#113Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1579#48EQ-Bench
Arena Creative Writing不计入 Index1422#821393#121Arena (LMArena)
Arena Multi-turn不计入 Index1452#871440#107Arena (LMArena)
Arena Longer Queries不计入 Index1457#811443#105Arena (LMArena)

多模态

基准测试无推理thinking默认来源趋势
Arena Vision–1269#441253#60Arena (LMArena)
MMMU-Pro73.1%#14075.4%#114–Artificial Analysis
VISTA推理强度未说明––41.9%#37Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–84.3%#26–Vals AI
MortgageTax不计入 Index–66.5%#32–Vals AI

长上下文

基准测试无推理thinking默认来源趋势
Fiction.LiveBench 120k推理强度未说明––78.1%#6Fiction.live
AA-LCR v1.167.3%#25878.0%#137–Artificial Analysis
Arena Document不计入 Index–1438#39–Arena (LMArena)

综合

基准测试无推理maxthinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–––148.8#72Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index19.4#250–23.5#195–Artificial Analysis
AA Progress Index v1不计入 Index245.5#277–270.5#203–Artificial Analysis
Vals RSI Index不计入 Index–6.8%#27––Vals AI

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index41.1%#62Scale AI SEAL
MASK不计入 Index可能存在污染70.5%#31Scale AI SEAL

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
Venice56 tok/s0.54 s$0.532$3.33256k–
Amazon Bedrock53 tok/s3.54 s$0.600$3.00262k–
AtlasCloud41 tok/s0.76 s$0.490$2.50262kint4
NovitaAI30 tok/s1.20 s$0.570$2.85262k–
SiliconFlow24 tok/s1.43 s$0.500$2.50262kint4

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.825$1.65$2.48$3.3026年9月26年10月26年11月
输入 输出
当前:输入 $0.600 · 输出 $3.00

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,价格为每百万 token $0.100。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$0.0011$0.001049.1 s
总结一份 30 页的报告12,000 / 600$0.0090$0.004556.1 s
代码编辑6,000 / 1,500$0.0081$0.00591.3 min
智能体编程会话60,000 / 4,000$0.048$0.0252.3 min
结构化信息提取2,000 / 200$0.0018$0.001146.7 s

Moonshot AI 的更多模型

本月新上线

将 Kimi K2.5 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Kimi K2.5 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Kimi K2.5 on BenchLeader: 综合第 46 名](https://www.benchleader.com/badge/kimi-k2-5.svg)](https://www.benchleader.com/models/kimi-k2-5)

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 K2.5 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/kimi-k2-5

BibTeX:

@misc{benchleader_kimi_k2_5_20261116,
  author       = {{BenchLeader}},
  title        = {{Kimi K2.5 on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/kimi-k2-5}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Kimi K2.5 的基准测试得分是多少?
截至 2026年11月16日,Kimi K2.5(推理强度 thinking)的 BenchLeader Index 为 59.4 ±4.2。最强的是指令遵循(69),最弱的是智能体与工具(45)。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 K2.5 排名第几?
截至 2026年11月16日,Kimi K2.5(推理强度 thinking)在 608 个已排名配置中排第 106 名。另有 225 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 K2.5 每百万 token 的价格是多少?
截至 2026年11月16日,Kimi K2.5 的价格为输入每百万 token $0.600、输出每百万 token $3.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.20。标价最近一次变动是在 2026年10月21日。
Kimi K2.5 比 DeepSeek V4.1 Flash 1017 更好吗?
截至 2026年11月16日,DeepSeek V4.1 Flash 1017(推理强度 max)与 Kimi K2.5(推理强度 thinking)的质量不相上下(BenchLeader Index 57.7 比 59.4,在 ±5.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Kimi K2.5 是什么时候发布的?
Moonshot AI 于 2026年1月27日发布了 Kimi K2.5。BenchLeader 收录了它在 5 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,《Kimi K2.5: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-k2-5。