聪明世界#63
编程很强
记性262K
便宜$4.0
记性换算成体感：一次能读完一本《三体》
Kimi K 系列的视觉模型 · 按发布时间
共 7 个 · 月之暗面的全部模型 →她的房间
电脑
76.7% · SWE-bench Verified · Epoch AI 统一复跑
书架
4 层 · 记忆 262K tokens
黑板
数学与科学推理
日历
知识停在 2025-01
冰箱
支持上下文缓存，能存记忆
敞开的门
开源权重，谁都能进
身世
- 发布日期
- 2026 年 4 月 20 日models.dev
- 知识截止
- 2025-01
- 参数量
- 1.0T
- 开放权重
- 是
- 开源许可
- 暂无数据
- 上下文窗口
- 262K tokens
- 单次最大输出
- 262K
- 输入价格
- $0.95 / 百万 tokens
- 输出价格
- $4.00 / 百万 tokens
- 模型类型
- 视觉除了文字还能看图片或视频，输出文字
- 支持的输入
- 图像、文字、视频 → 文字
- 工具调用
- 是
- 深度思考
- 是
- 提示缓存
- 是
战绩
- 综合智力
- 150.9
- AIME 数学
- 96.1%
- GPQA Diamond 科学
- 90.8%
- ARC-AGI-2 抽象推理
- 未参评
- Fiction.liveBench 长文本
- 未参评
综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。
编程战绩（按赛制分列）
- SWE-bench Verified76.7%从真实 GitHub 仓库里挑出的 500 个 issue，看模型能不能提交出通过测试的补丁。业界最通行的编程标尺。这一列由 Epoch AI 用统一脚手架复跑。第三方实测https://epoch.ai/benchmarks
- 同样是 SWE-bench Verified，但分数来自厂商系统卡或其他榜单的转载，没有经过 Epoch 的统一复跑。厂商自报https://huggingface.co/moonshotai/Kimi-K2.6
- ALE-Bench1093AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测https://epoch.ai/benchmarks
- WebDev Arena1509 Elo让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测https://epoch.ai/benchmarks
这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。
全部成绩（按榜单分列）
名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。
综合
- 综合智力150.9第 63 / 225Epoch Capabilities Index，把十几项学术评测归并成一个总分。想看综合实力，先看这一栏。第三方实测https://epoch.ai/benchmarks
数学
- FrontierMath57.2%第 49 / 112由职业数学家出的原创难题，连数学博士都要花几小时甚至几天。分数是解出的比例，能过一成就是前沿水平。第三方实测https://epoch.ai/frontiermath
- FrontierMath（旧版）39.0%第 11 / 97FrontierMath 2025 年初的版本，已被新题库取代。留作历史对照。第三方实测https://epoch.ai/frontiermath
- FrontierMath 第四层25.6%第 44 / 84FrontierMath 里最难的一层，研究级别的问题，绝大多数模型接近零分。第三方实测https://epoch.ai/frontiermath
- FrontierMath 第四层（旧版）14.6%第 13 / 68FrontierMath 第四层 2025 年中的版本，已被新题库取代。第三方实测https://epoch.ai/frontiermath
- AIME 数学96.1%第 36 / 211美国高中数学邀请赛难度的模拟题，是数学竞赛能力的通行标尺。答对比例，满分 100。第三方实测https://epoch.ai/benchmarks
- ProofBench16.0%第 61 / 96不是算出答案，而是写出完整证明并由人评判。考的是数学推理的严谨程度。第三方实测https://www.vals.ai/benchmarks/proof_bench
知识与推理
- GPQA 科学90.8%第 41 / 214博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测https://epoch.ai/benchmarks
- SimpleQA 事实问答34.9%第 66 / 108一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测https://www.kaggle.com/benchmarks/deepmind/simpleqa-verified
- CritPt 物理8.0%第 61 / 180研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
- WeirdML55.9%第 44 / 151一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测https://htihle.github.io/weirdml.html
智能体
- OSWorld 2.04.6%第 7 / 9OSWorld 的第二代题库，任务更长更杂，与第一代分数不可直接比较。第三方实测https://osworld-v2.xlang.ai/
- 经营售货机$6,205第 21 / 100Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测https://andonlabs.com/evals/vending-bench
- ExploitBench18.4%第 5 / 9给一个真实的软件漏洞，看模型能不能写出利用代码。安全评测，不是日常能力。第三方实测
- BlueprintBench3.9%第 28 / 38看房屋照片画出平面图，测空间理解与工程绘图能力。第三方实测https://andonlabs.com/evals/blueprint-bench-2
长文本
- 文档理解竞技场1451 Elo第 17 / 42丢一份文档进去提问，真人盲选谁读得更明白。第三方实测https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset
多模态
- GBA 游戏评测0.9%第 17 / 23看画面操作掌机游戏，测的是视觉理解加实时决策。第三方实测https://gbaeval.com/model/goose-kimi-k2-6
游戏与谜题
- 国际象棋残局20.0%第 74 / 107给一个棋局找出最佳着法。分数是解对的比例，随机乱走约 5 分。第三方实测https://epoch.ai/benchmarks/chess-puzzles
- 推理游戏谜题18.0%第 62 / 104Epoch 自建的一组推理小游戏，测的是在规则未知的环境里摸索规律。第三方实测https://epoch.ai/benchmarks
- EBR-bench2.4%第 31 / 33Epoch 自建的一项评测，具体口径以 Epoch 榜单页说明为准。第三方实测https://epoch.ai/benchmarks
其他
- Dtbench90.9%第 41 / 222Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/dtbench
- Furniture Assembly21.7%第 35 / 40Epoch AI 收录的评测，暂无中文说明。第三方实测
- Lmca37.3%第 81 / 206Epoch AI 收录的评测，暂无中文说明。第三方实测https://conceptualreasoning.ai/lmca
B 站上的 Kimi K2.6 实测3 个视频
在 B 站搜「Kimi K2.6 测评」↗
02:40Kimi K2.6！是否真的能打？打得过GLM 5.1吗？AI产品狙击手2026.04.21·1.5 万播放
02:59Kimi K2.6：曾经的小六边形战士，现在仍有一臂之力？AI 六项能力测试无机酸-_-2026.08.11·9165播放
00:23帮广州某企业私有化部署Kimi K2.6AI算力工厂2026.07.18·224播放
以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。