Kimi K2 Thinking menciptakan rekor baru dalam penilaian standar untuk menilai kemampuan penalaran, pengkodean, dan agen.

2025-11-08 03:22:05

Data Jinshi 8 November, menurut situs resmi Shadow of the Moon, Kimi K2 Thinking mencatat rekor baru dalam penilaian standar kemampuan penalaran, pengkodean, dan agen. K2 Thinking meraih skor SOTA sebesar 44,9% dalam penilaian standar HLE, mencapai 60,2% dalam pengujian BrowseComp, dan 71,3% dalam pengujian SWE-Bench Verified, menunjukkan kemampuan generalisasi yang kuat sebagai model agen berpikir paling canggih.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.