著名獨立評測機構(gòu)Artificial Analysis最新模型排名來了，Kimi K2.5總體排名第五，GPT5.2high=51，Claude opus 4.5=50，GPT5.2codexhigh=49，Gemini3 prohigh=48，Kimi k2.5=47

要點總結(jié)：

?在智能體任務(wù)上表現(xiàn)出色：

Kimi K2.5 在GDPval-AA 評估中取得了 1309 的 Elo 評分，僅次于 OpenAI 和 Anthropic 的模型。Kimi K2.5 的表現(xiàn)遠超 GLM-4.7、DeepSeek V3.2 和 Gemini 3 Pro。GDPval-AA 是衡量通用智能體性能的主要指標(biāo)，用于評估模型在實際知識工作任務(wù)（例如準(zhǔn)備演示文稿和進行分析）上的表現(xiàn)。模型通過我們名為 Stirrup 的參考智能體框架，在一個智能體循環(huán)中獲得了 shell 訪問權(quán)限和網(wǎng)頁瀏覽功能。

?原生多模態(tài)首次實現(xiàn)：Kimi K2.5 是 Moonshot 首款支持多模態(tài)（圖像和視頻）輸入的旗艦?zāi)Ｐ?。這是領(lǐng)先的開源權(quán)重模型首次支持圖像輸入，消除了開源權(quán)重模型相對于前沿實驗室專有模型應(yīng)用的關(guān)鍵障礙。與其他領(lǐng)先的開源權(quán)重模型（例如 DeepSeek V3.2、GLM-4.7、MiniMax M2.1 和 MiMo-V2-Flash）相比，Kimi K2.5 的這一特性使其脫穎而出。Kimi K2.5 在 MMMU Pro 視覺推理基準(zhǔn)測試中得分 75%，略低于 Gemini 3 Pro，但與 GPT-5.2 和 Claude Opus 4.5 持平。

?運行人工智能分析智能指數(shù)的中等成本：

Kimi K2.5 在運行人工智能分析智能指數(shù)中得分為 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 貴 5 倍以上。

?適中的令牌使用量：

Kimi K2.5 的token使用量與其他同智能級別的模型相當(dāng)，在人工智能分析智能指數(shù)評估套件中使用了約 8200 萬個推理token。這略低于 Kimi K2 Thinking（約 9500 萬個推理令牌），遠低于 GLM 4.7（約 1.6 億個推理令牌）。

?混合推理：

Kimi K2.5 將 Moonshot 的推理模型和非推理模型統(tǒng)一到一個模型中。已經(jīng)對開啟推理功能的 K2.5 進行了評估（并將很快分享關(guān)閉推理功能后的結(jié)果）。

?低幻覺率：

Kimi K2.5 在 AA 全知指數(shù)（我們的知識評估指標(biāo)，同時衡量準(zhǔn)確性和幻覺率）中得分為 -11。這一分?jǐn)?shù)主要源于其相對較低的幻覺率，僅為 64%（低于 Kimi K2 Thinking 的 74% %) ，表明當(dāng)模型不確定時，Kimi K2.5 更傾向于回避而非捏造知識。