SuperCLUE2025年年度基准测评Kimi-K2.5-Thinking六大任务得分

1.模型介绍。 Kimi-K2.5-Thinking是月之暗面在2026年1月27日发布并开源的最 新原生多模态模型，在Agent、代码、视觉理解等任务上取得开 2.能力优势。 （1）代码。与官方宣传一致，Kimi-K2.5-Thinking在本次通用 子任务和WebCoding子任务），其以53.33分领跑全球。其中， 独立函数生成子任务得分全球第二，Web Coding子任务的得分 全球第一，其前端代码能力十分优秀，具有国际顶尖水平。 (2）智能体-任务规划。Kimi-K2.5-Thinking在智能体任务上取 得68.06分，媲美国际顶尖模型GPT-5.2(high)和Claude-Opus-4.5- （3）复杂推理。Kimi-K2.5-Thinking在数学推理任务上取得 77.39分，位居全球第四，与Gemini-3-Pro-Preview（80.87分）相 差仅3分左右；在科学推理任务上取得67.21分，位于国内Top5, 该模型整体的推理能力位于海内外头部水平。 3.提升方向。 （1）精确指令遵循。Kimi-K2.5-Thinking在该任务上仅取得 24.45分，整体排名居中，与海外最佳模型差距超过26分，与国 内最佳模型差距超过13分，存在一定的提升空间。 (2）幻觉控制。Kimi-K2.5-Thinking在该任务上取得78.54分, 相较于上个版本Kimi-K2-Thinking，有9分左右的提升，整体处 于中上游，但与头部模型还存在10分左右的差距。