著名独立评测机构Artificial Analysis最新模型排名来了，Kimi K2.5总体排名第五，GPT5.2high=51，Claude opus 4.5=50，GPT5.2codexhigh=49，Gemini3 prohigh=48，Kimi k2.5=47
要点总结：
➤在智能体任务上表现出色：
Kimi K2.5 在GDPval-AA 评估中取得了 1309 的 Elo 评分，仅次于 OpenAI 和 Anthropic 的模型。Kimi K2.5 的表现远超 GLM-4.7、DeepSeek V3.2 和 Gemini 3 Pro。GDPval-AA 是衡量通用智能体性能的主要指标，用于评估模型在实际知识工作任务（例如准备演示文稿和进行分析）上的表现。模型通过我们名为 Stirrup 的参考智能体框架，在一个智能体循环中获得了 shell 访问权限和网页浏览功能。
➤原生多模态首次实现：Kimi K2.5 是 Moonshot 首款支持多模态（图像和视频）输入的旗舰模型。这是领先的开源权重模型首次支持图像输入，消除了开源权重模型相对于前沿实验室专有模型应用的关键障碍。与其他领先的开源权重模型（例如 DeepSeek V3.2、GLM-4.7、MiniMax M2.1 和 MiMo-V2-Flash）相比，Kimi K2.5 的这一特性使其脱颖而出。Kimi K2.5 在 MMMU Pro 视觉推理基准测试中得分 75%，略低于 Gemini 3 Pro，但与 GPT-5.2 和 Claude Opus 4.5 持平。
➤运行人工智能分析智能指数的中等成本：
Kimi K2.5 在运行人工智能分析智能指数中得分为 371 美元，比 Claude Opus 4.5 和 GPT-5.2 便宜 4 倍以上，但比 DeepSeek V3.2 和 gpt-oss-120b 贵 5 倍以上。
➤适中的令牌使用量：
Kimi K2.5 的token使用量与其他同智能级别的模型相当，在人工智能分析智能指数评估套件中使用了约 8200 万个推理token。这略低于 Kimi K2 Thinking（约 9500 万个推理令牌），远低于 GLM 4.7（约 1.6 亿个推理令牌）。
➤混合推理：
Kimi K2.5 将 Moonshot 的推理模型和非推理模型统一到一个模型中。已经对开启推理功能的 K2.5 进行了评估（并将很快分享关闭推理功能后的结果）。
➤低幻觉率：
Kimi K2.5 在 AA 全知指数（我们的知识评估指标，同时衡量准确性和幻觉率）中得分为 -11。这一分数主要源于其相对较低的幻觉率，仅为 64%（低于 Kimi K2 Thinking 的 74% %) ，表明当模型不确定时，Kimi K2.5 更倾向于回避而非捏造知识。
热门跟贴