被指又一次DeepSeek時刻，實測kimi K2 Thinking被這幾道題難住了

作者｜子川

來源｜AI先鋒官

日前，月之暗面開源了最新一代大模型Kimi K2 Thinking。

新模型一經推出，好評如潮！

HuggingFace 聯合創始人Thomas Wolf 甚至毫不吝嗇的表示，“我們正在見證又一次 DeepSeek 時刻”。

知名學者Alvin Wang Graylin 也夸贊，其已經超越西方的閉源模型。

為什么此次月之暗面推出的Kimi K2 Thinking這么受歡迎？

我們接著往下看。

根據AI分析機構Artificial Analysis的評估，Kimi K2 Thinking在智能體相關任務中表現非常突出。

比如，在Artificial Analysis智能指數中，獲得67分。

這一成績使其領先于所有的其他開源模型，包括最近發布的MiniMax-M2和DeepSeek-V3.2-Exp，僅次于GPT-5。

在智能體工具調用 (2-Bench)測試中，Kimi K2 Thinking得分高達93%，是目前第三方機構測量到的最高分。

在在Humanity’s Last Exam（人類終極考試）評測中，Kimi K2 Thinking在無工具情況下的得分為22.3%，僅次于GPT-5和Grok 4。

這成績已經不是國產SOTA了，當之無愧又一次的DeepSeek時刻。

據介紹， K2 Thinking 的參數規模高達萬億。

但其運行成本仍然很低，其 API 價格是百萬 token 輸入 0.15 美元（緩存命中）/0.6 美元（緩存未命中），每百萬 token 輸出 2.5 美元。

那K2 Thinking的實際效果到底如何？

老規矩，我們實測一番。

由于現在的模型的能力越來越強，并且有很多變量的存在，簡單的題目已經無法測出模型的能力了。

于是我們決定用歷屆模型經常翻車的問題來逐一刁難它，看K2 Thinking究竟是否會翻車！（關閉搜索）

測試題一：愛心視覺錯題

這是最近最火的一道視覺測試題，測試模型是否可以看到圖片中的愛心。

目前沒有一個模型回答正確，看K2 Thinking是否能回答正確。

K2 Thinking同樣沒看出圖片中的愛心圖標，它的回答是“一個圓形的圖案漂浮在背景之上”。

測試題二：數值比較

測試題很簡單，9.11-9.9=?

看這次K2 Thinking能否答對！

回答正確！并且還很貼心的把計算過程列出來了。

測試題三：數數題

“strawberryrrrrrr"中有幾個字母“r"。

同樣這道題對于我們來說非常簡單，但對大模型的難度可不一般，此前多款頂尖模型拜倒在這道題的石榴裙下。

為了防止之前的題目會訓練過，所有我們在“strawberry”的基礎上，多在了6個“r”。

依舊回答正確，并且明確指出"strawberry"部分有 3個“r”，后面的"rrrrrr"部分有 6個“r”。

測試題四：竹子過門

一根5米長的竹竿，能不能通過高2米、寬2米的城門？

同樣這道題我們也做了簡單從處理。

終于，被這道題難到了，不過也很正常，這道題很多模型都回答不出。

下面再來道非常燒腦的邏輯題。

測試題五：愛因斯坦斑馬問題

提示詞：

1、 一條街上有五座不同顏色的房子，每座房子住著不同國籍的人，每個人有不同的職業，喝不同的飲料，養不同的寵物。

2、英國人住在紅色的房子里；

3、西

班牙人養了一條狗；

4、日本人是一個油漆工；

5、意大利人喜歡喝茶；

6、挪威人住在左邊的第一個房子里；

7、綠房子在白房子的右邊；

8、攝影師養了一只蝸牛；

9、外交官住在黃房子里；

10、中間房子里的那個人喜歡喝牛奶；

11、喜歡喝咖啡的人住在綠房子里；

12、挪威人住在藍色的房子旁邊；

13、小提琴家喜歡喝橘子汁；

14、養狐貍的人所住的房子與醫師的房子相鄰；

15、養馬的人所住的房子與外交官的房子相鄰。

先給大家公布正確的答案。

回答錯誤，再次難倒。

為了更全面的了解K2 Thinking的能力，我們再來測試幾道編程題。

測試題六：使用 p5.js 創建一個精彩的動畫

整體體驗非常流暢，效果十分不錯。

上上難度，來一個非常經典的編程題。

測試題七：天氣卡片

提示詞：

Create a single HTML file containing CSS and JavaScript to generate an animated weather card. The card should visually represent the following weather conditions with distinct animations: Wind: (e.g., moving clouds, swaying trees, or wind lines) Rain: (e.g., falling raindrops, puddles forming) Sun: (e.g., shining rays, bright background) Snow: (e.g., falling snowflakes, snow accumulating) Show all the weather card side by side The card should have a dark background. Provide all the HTML, CSS, and JavaScript code within this single file. The JavaScript should include a way to switch between the different weather conditions

基本上提示詞上所有的功能都實現了，而且呈現的動畫效果依舊流暢。

看來難度不夠，最后再來一個非常復雜的游戲編程題。

測試題八：3D打磚游戲

提示詞：

“創建一個完全由鼠標控制的3D打磚塊游戲：

1.使用Three.js構建沉浸式3D場景，包含以下核心組件：可左右滑動的玩家擋板（Paddle）：通過鼠標水平移動控制；具備物理屬性的彈跳球體：初始速度適中，碰撞后遵循反射定律；多排彩色懸浮磚塊（Bricks）：不同顏色對應不同分值

2.物理效果要求：碰撞檢測：球體與磚塊/擋板/邊界精確碰撞；動態反彈：擋板不同位置碰撞改變球的水平反彈角度；重力模擬：球體運動軌跡呈自然拋物線

3.游戲機制：計分系統：擊碎磚塊實時計分（普通磚=10分，金色磚=50分）；生命值：初始3條命，球掉落底部則扣除生命；速度進化：每擊碎10塊磚，球速提升15%

4.視覺特效：磚塊擊碎時觸發粒子爆炸效果；球體運動軌跡添加動態拖尾光效；擋板碰撞時出現環形沖擊波動畫

5.交互增強：實時顯示分數和生命值HUD；游戲結束界面顯示最終得分+重新開始按鈕；添加碰撞音效（使用Web Audio API）”

同樣這次功能都基本實現了，不過也出現些許bug，無法移動到最左側。

看來這次程序員有福了，編程能力辣么強，而且價格又低，簡直就是代替Claude sonnet 4.5的不二之選。

總的來說，K2 Thinking能力確實非常頂，上述的測試題都僅測試了一次，特別是編程題，完成度很高。

大家感興趣的可以去體驗一下，K2 Thinking已上線Kimi啦。

掃碼邀請進群，我們帶你一起來玩轉ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。

往期文章回顧