Kimi K2.5
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
- 综合 Index59
- 推理67
- 编程55
- 智能体与工具45
- 数学65
- 知识60
- 指令遵循69
- 人类偏好63
- 多模态59
- 长上下文64
嵌入这个排名
更多徽章样式[](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。
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 K2.6thinking | 2026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/s | 7.57 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/s | 1.08 s | $0.0011 | 编程 62 · 数学 51 |
| max | – | – | 33 tok/s | 1.08 s | $0.0011 | |
| thinking最佳 | 59.4 | #106 | 43 tok/s | 42 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 | #228 | 33 tok/s | 1.08 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- 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 Index | 33.3#239 | 33.3#239 | Artificial 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%#83 | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | 24.4%#18 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | – | 46.8%#65 | SimpleBench | |
| Arena Hard Prompts | – | 1471#85 | 1460#98 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 78.9%#209 | 87.9%#95 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 13.2%#291 | 30.7%#161 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | 84.1%#53 | – | Vals AI | |
| Kagi LLM Benchmark | – | 78.5%#10 | 63.8%#40 | Kagi LLM Benchmark | |
| ARC-AGI-1推理强度未说明 | – | – | 65.3%#161 | ARC Prize | |
| ARC-AGI-2推理强度未说明 | – | – | 11.8%#166 | ARC Prize | |
| CritPt不计入 Index | 0.6%#274 | 3.1%#195 | – | Artificial Analysis | |
| Arena Expert不计入 Index | – | 1482#73 | 1453#115 | Arena (LMArena) | |
| CL-bench不计入 Index推理强度未说明 | – | – | 19.3%#10 | Epoch AI Benchmarking Hub | |
| CL-bench Life不计入 Index推理强度未说明 | – | – | 13.2%#10 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SWE-bench Verified (Epoch)推理强度未说明 | – | – | 73.8%#17 | Epoch AI Benchmarking Hub | |
| SciCode推理强度未说明 | – | – | 49.0%#132 | SciCode | |
| WeirdML推理强度未说明 | – | – | 45.6%#84 | WeirdML | |
| Arena Coding | – | 1502#79 | 1505#70 | Arena (LMArena) | |
| Arena WebDev | – | 1436#89 | 1405#99 | Arena (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%#7 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index | 70.8%#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%#20 | Scale AI SEAL | |
| SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明 | – | – | 20.9%#15 | Scale AI SEAL | |
| SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明 | – | – | 25.8%#21 | Scale AI SEAL | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 821.6#82 | Epoch 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%#52 | Terminal-Bench | |
| Terminal-Bench Hard | 18.9%#170 | 34.9%#82 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 81.3%#119 | 95.9%#15 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (Vals) | – | 42.0%#66 | – | Vals AI | |
| MCP Atlas推理强度未说明 | – | – | 64.4%#28 | Scale 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#56 | Andon Labs | |
| Design Arena Agentic不计入 Index | – | 1116#55 | – | Design Arena |
数学
| 基准测试 | high | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| OTIS Mock AIME推理强度未说明 | – | – | 92.2%#76 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | – | 95.6%#8 | – | Vals AI | |
| AIME 2026 | 95.8%#13 | – | – | MathArena | |
| HMMT February 2026 | 87.1%#19 | – | – | MathArena | |
| MathArena Apex可能存在污染 | 8.8%#23 | – | – | MathArena | |
| Arena Maths | – | 1470#55 | 1441#94 | Arena (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%#61 | Epoch 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%#20 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | – | 43.8%#30 | Scale AI SEAL | |
| MultiNRC推理强度未说明可能存在污染 | – | – | 35.2%#21 | Scale 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 Index | 84.0%#45 | – | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 43.7%#223 | 70.2%#69 | – | Artificial Analysis | |
| MultiChallenge推理强度未说明 | – | – | 61.4%#15 | Scale AI SEAL | |
| TutorBench推理强度未说明 | – | – | 54.6%#6 | Scale AI SEAL | |
| Arena Instruction Following不计入 Index | – | 1439#81 | 1432#95 | Arena (LMArena) |
人类偏好
| 基准测试 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1450#81 | 1431#113 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1579#48 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1422#82 | 1393#121 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1452#87 | 1440#107 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1457#81 | 1443#105 | Arena (LMArena) |
多模态
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Vision | – | 1269#44 | 1253#60 | Arena (LMArena) | |
| MMMU-Pro | 73.1%#140 | 75.4%#114 | – | Artificial Analysis | |
| VISTA推理强度未说明 | – | – | 41.9%#37 | Scale 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%#6 | Fiction.live | |
| AA-LCR v1.1 | 67.3%#258 | 78.0%#137 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | 1438#39 | – | Arena (LMArena) |
综合
| 基准测试 | 无推理 | max | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | 148.8#72 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 19.4#250 | – | 23.5#195 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 245.5#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 Index | 41.1%#62 | Scale AI SEAL | |
| MASK不计入 Index可能存在污染 | 70.5%#31 | Scale 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 |
|---|---|---|---|---|---|---|
| Venice | 56 tok/s | 0.54 s | $0.532 | $3.33 | 256k | – |
| Amazon Bedrock | 53 tok/s | 3.54 s | $0.600 | $3.00 | 262k | – |
| AtlasCloud | 41 tok/s | 0.76 s | $0.490 | $2.50 | 262k | int4 |
| NovitaAI | 30 tok/s | 1.20 s | $0.570 | $2.85 | 262k | – |
| SiliconFlow | 24 tok/s | 1.43 s | $0.500 | $2.50 | 262k | int4 |
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,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 | $0.0010 | 49.1 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0090 | $0.0045 | 56.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0081 | $0.0059 | 1.3 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.048 | $0.025 | 2.3 min |
| 结构化信息提取 | 2,000 / 200 | $0.0018 | $0.0011 | 46.7 s |
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。
[](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}
}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。