大家好，我是 Ai 学习的老章
Kimi-K2-Thinking 开源大模型新王，权威测试结果公布之后，很多读者怀疑它的真实水平，很多榜单确实各种领先，甚至碾压 DeepSeek V3.2，我个人之前的文章也没有用完全的题目对比目前比较热门的国产开/闭源旗舰级大模型（DeepSeek R1、Kimi K2 Thinking、Qwen3-Max、文心一言 5.0）。
本文顺便把之前的测试梳理一下，同时加入 DeepSeek V3.2 进行对比
排名非常主观，仅为个人见解，不代表所测模型真实水平，不喜勿碰。
省流：
第一题：Kimi K2 Thinking > DeepSeek > Qwen3-Max > 文心一言 5.0
第二题：Qwen3-Max > DeepSeek > Kimi K2 Thinking > 文心一言 5.0
第三题：DeepSeek > Kimi K2 Thinking > Qwen3-Max > 文心一言 5.0
第四题：Kimi K2 Thinking = Qwen3-Max > DeepSeek > 文心一言 5.0
第五题：Kimi K2 Thinking > DeepSeek > 文心一言 5.0 > Qwen3-Max
第六题：Kimi K2 Thinking > DeepSeek >= 文心一言 5.0> Qwen3-Max
第0题：用Base64随意生成一个有趣的图片，排名见下图
测试 1:总结朱自清《背影》绘制 SVG
结论：Kimi K2 Thinking > DeepSeek > Qwen3-Max > 文心一言 5.0
DeepSeek 没有识别出 4 次背影，原文引用也不对。不如 Kimi K2 Thinking，和 Qwen3-Max 一个级别，美观上稍微好点。
Kimi K2 Thinking
结论：Qwen3-Max > DeepSeek > Kimi K2 Thinking >文心一言 5.0
DeepSeek 生成的 html 是可交互的，鼠标移动过去可以显示简介
比 Kimi K2 Thinking 内容更丰富，画面也美观一点点
DeepSeek > Kimi K2 Thinking > Qwen3-Max > 文心一言 5.0
DeepSeek 感觉是最响应题目的，其他模型也都能完成，但多少有点画蛇添足
K2 也还行，可以增加星云数量
Qwen3-Max 生成的结果，右侧参数栏很多摆设
测试 4:发挥你的最大才能，用你最擅长的工具，生成一组数据后绘制数据大屏，主题自拟。
结论： Kimi K2 Thinking = Qwen3-Max > DeepSeek > 文心一言 5.0
DeepSeek 创建一个完整的"全球电商销售数据分析大屏"项目，300 多行代码，Python+Plotly + Dash 实现，前两次代码均报错
第三次成功，但是我觉得它太不像大屏了
K2 Thinking 生成的是"未来智慧城市运营中心"主题的数据大屏，包含动态生成的多维度城市运营数据。一共 285 行代码。前两次均报 bug，第三次成功生成！
对比 Qwen3-Max⬇️，它第一次的代码也报错，第二次成功
结论：Kimi K2 Thinking > DeepSeek > 文心一言 5.0 > Qwen3-Max
首次执行报错：很低级的错误，字符串引号语法错误
然后成功，它理解了月食原理，没有绘制太阳，但是光线轨迹是对的。但是问题不少，文字说明覆盖动画无法消除，月食实际出现时间与说明完全不符。
Kimi K2 Thinking 一次成功，总体思路没问题，月食阶段没有匹配上
测试 6:生成一个动态网页，展现绚丽多彩的烟花盛况，样式要多，颜色要炫
结论：Kimi K2 Thinking > DeepSeek >= 文心一言 5.0 > Qwen3-Max
DeepSeek 用了 Canvas 绘制烟花效果，烟花样式（圆形、柳絮形、螺旋形等），有交互功能（点击生成烟花、自动播放等）
缺点：大量烟花其实只有轨迹，等很久也就只有三四个绽放
K2 Thinking vs Qwen3-Max 的视频
老章荐书
热门跟贴