Вслед за запуском Kimi K2-Thinking, компания Moonshot AI опубликовала подробный блог-пост с описанием модели, а также выпустила ее открытые веса (ранее модель вышла в API и чате, причем в чате она бесплатна). По бенчмаркам видно, что новинка идет на равных с лидирующими коммерческими ИИ: GPT-5, Claude Sonnet 4.5 и Grok 4.
Отдельно стоит отметить первое место в Humanity’s Last Exam — большой мультидисциплинарный тест из порядка 3000 задач по математике, естественным и гуманитарным наукам. Вопросы писали профильные эксперты, а формулировки специально такие, чтобы нельзя было «нагуглить» ответ и чтобы проверка была автоматизируема.
В программировании модель лишь незначительно уступает GPT-5 и Claude Sonnet 4.5:
По тестам видно, что Kimi K2-Thinking проверяли в трех режимах. Помимо базового, это вызов инструментов: в HLE модель выполняла до 120 шагов, а в поисковых задачах лимит увеличен до 300 шагов. Также реализован Heavy-режим, аналогичный GPT-5 Pro и Grok 4 Heavy. В нем сразу 8 инстансов модели параллельно работают над своими версиями ответа, из которых затем собирается финальный. Однако в Moonshot отмечают, что в чат-версии модели лимит вызова инструментов сокращен, а Heavy-версия отсутствует — так как ИИ доступен бесплатно, разработчикам приходится экономить ресурсы.
P.S. Поддержать меня можно подпиской на канал «сбежавшая нейросеть», где я рассказываю про ИИ с творческой стороны.
Источник: habr.com