DataLearner 标志

Kimi K2.6 评测详情

Kimi K2.6 当前已收录的代表性评测结果包括 LiveCodeBench(10 / 125,得分 89.60)、HLE(28 / 235,得分 54)、SWE-bench Verified(14 / 116,得分 80.20)。本页还提供与 3 个竞品模型及 3 个前代或同系列模型的对比,在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。

评测结果

Kimi K2.6

评测结果

思考模式
工具使用
联网能力

综合知识考试

共 2 项评测
评测名称 / 模式
得分
排名/总数
HLE
思考模式
34.70
103 / 235
HLE
思考模式工具联网
54
28 / 235

科学知识与推理

共 3 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
思考模式
90.50
36 / 253
CritPt
常规模式
1.40
139 / 204
CritPt
思考模式
8
85 / 204

仓库修复与多文件工程

共 3 项评测
评测名称 / 模式
得分
排名/总数
SWE-bench Verified
思考模式工具
80.20
14 / 116
SWE-bench Multilingual
思考模式工具
76.70
9 / 30
SWE-Bench Pro - Public
思考模式工具
58.60
18 / 62

算法与竞赛编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
思考模式
89.60
10 / 125

写作与创意表达

共 1 项评测
评测名称 / 模式
得分
排名/总数
Creative Writing
常规模式
1724.50
27 / 110

事实查找与深度检索

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
思考模式工具联网
83.20
17 / 58

跨能力综合测试

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveBench
思考模式
70.54
34 / 117

自主开发与终端任务

共 4 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
思考模式工具
66.70
10 / 48
Terminal-Bench 2.1
思考模式
53.56
55 / 57
Terminal Bench Hard
常规模式工具
37.90
59 / 244
Terminal Bench Hard
思考模式工具
43.90
37 / 244

跨应用与工具编排

共 4 项评测
评测名称 / 模式
得分
排名/总数
Claw Bench
思考模式工具
80.90
19 / 29
MCPMark-Verified
思考模式工具
72.80
7 / 8
MCP-Atlas
思考模式工具
69.40
33 / 44
Tool Decathlon
思考模式工具
50
2 / 10

多轮记忆与持续上下文

共 3 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
51.88
86 / 126
Context Arena
思考模式
64.63
73 / 126
EBR-bench
思考模式工具
2.38
22 / 23

数学

共 2 项评测
评测名称 / 模式
得分
排名/总数
AIME 2026
思考模式
96.40
9 / 30
IMO-AnswerBench
思考模式
86
10 / 24

桌面工作流

共 1 项评测
评测名称 / 模式
得分
排名/总数
OSWorld-Verified
思考模式工具
73.10
17 / 28

程序生成与编辑

共 2 项评测
评测名称 / 模式
得分
排名/总数
Kimi Code Bench 2.0
思考模式工具
50.90
3 / 3
Program Bench
思考模式工具
48.30
5 / 15

机器学习工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
MLS Bench
思考模式工具
26.70
6 / 6

图像感知与视觉推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU-Pro
思考模式
79.40
49 / 229

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
思考模式
51.50
65 / 134

客服与业务流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
τ³-Banking
思考模式工具
23.30
83 / 167

法律

共 1 项评测
评测名称 / 模式
得分
排名/总数
Harvey Lab-AA
思考模式工具
84.12
25 / 44

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
思考模式
13
69 / 122

跨能力聚合指数

共 1 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
151.03
43 / 167

竞品对比

Kimi K2.6 与同类主流模型的评测得分对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Kimi K2.6当前Qwen3.6-Max-PreviewMiniMax-M2.7GLM 5.1
HLE
Accuracy
综合知识考试
54.00开启思考 | 工具
50.20开启思考 | 工具
28.00开启思考
52.30开启思考 | 工具
CritPt
Score
科学知识与推理
8.00开启思考
3.70开启思考
0.60开启思考
4.60开启思考
GPQA Diamond
Accuracy
科学知识与推理
90.50开启思考
90.40思考水平·高
87.00开启思考
86.20开启思考
SWE-bench Multilingual
Accuracy
仓库修复与多文件工程
76.70开启思考 | 工具
73.80开启思考 | 工具
76.50开启思考 | 工具
--
SWE-Bench Pro - Public
Accuracy
仓库修复与多文件工程
58.60开启思考 | 工具
57.30深度思考模式 | 工具
56.20开启思考 | 工具
58.40开启思考 | 工具
SWE-bench Verified
Accuracy
仓库修复与多文件工程
80.20开启思考 | 工具
78.80开启思考 | 工具
--
--
LiveCodeBench
Pass @K
算法与竞赛编程
89.60开启思考
87.10思考水平·高
--
--
Creative Writing
Elo、大模型评判两两对战
写作与创意表达
1724.50常规模式
--
--
1592.20常规模式
BrowseComp
Accuracy
事实查找与深度检索
83.20开启思考 | 工具
--
--
79.30开启思考 | 工具
LiveBench
Accuracy
跨能力综合测试
70.54开启思考
--
63.49深度思考模式
70.18常规模式
Terminal Bench 2.0
Accuracy
自主开发与终端任务
66.70开启思考 | 工具
65.40深度思考模式 | 工具
57.00开启思考 | 工具
63.50开启思考 | 工具
Terminal Bench Hard
Accuracy
自主开发与终端任务
43.90开启思考 | 工具
43.90开启思考 | 工具
39.00开启思考 | 工具
43.20开启思考 | 工具
其余 11 个 benchmark 仍可在上方图表中查看。

Kimi K2.6 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

若存在上下文阈值,图中标准价仅适用于以下范围:

Qwen3.6-Max-Preview: 标准价适用于 <= 128
模型供应商标准输入标准输出标准价适用于
Kimi K2.6
Moonshot AI$0.95 / 1M tokens$4 / 1M tokens—
Qwen3.6-Max-Preview
阿里巴巴$1.3 / 1M tokens$7.8 / 1M tokens<= 128
MiniMax-M2.7
MiniMaxAI$0.3 / 1M tokens$1.2 / 1M tokens—
GLM 5.1
智谱AI$1.4 / 1M tokens$4.4 / 1M tokens—

历代版本对比

Kimi K2.6 系列各版本的评测成绩纵向对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项Kimi K2.6当前Kimi K2.5Kimi K2 ThinkingKimi K2
HLE
Accuracy
综合知识考试
54.00开启思考 | 工具
50.20开启思考 | 工具
51.00开启思考 | 工具
4.70常规模式
CritPt
Score
科学知识与推理
8.00开启思考
3.10开启思考
2.60开启思考
--
GPQA Diamond
Accuracy
科学知识与推理
90.50开启思考
87.60开启思考
84.50开启思考
75.10常规模式
SWE-bench Multilingual
Accuracy
仓库修复与多文件工程
76.70开启思考 | 工具
73.00开启思考
--
--
SWE-Bench Pro - Public
Accuracy
仓库修复与多文件工程
58.60开启思考 | 工具
50.70开启思考 | 工具
--
--
SWE-bench Verified
Accuracy
仓库修复与多文件工程
80.20开启思考 | 工具
76.80开启思考 | 工具
71.30开启思考 | 工具
51.80常规模式
LiveCodeBench
Pass @K
算法与竞赛编程
89.60开启思考
85.00开启思考
83.10开启思考
53.70常规模式
Creative Writing
Elo、大模型评判两两对战
写作与创意表达
1724.50常规模式
1578.60常规模式
1630.90常规模式
1665.70常规模式
BrowseComp
Accuracy
事实查找与深度检索
83.20开启思考 | 工具
60.60开启思考 | 工具
60.20开启思考 | 工具
--
LiveBench
Accuracy
跨能力综合测试
70.54开启思考
69.07开启思考
61.59开启思考
48.10常规模式
Terminal Bench 2.0
Accuracy
自主开发与终端任务
66.70开启思考 | 工具
50.80开启思考 | 工具
--
--
Terminal Bench Hard
Accuracy
自主开发与终端任务
43.90开启思考 | 工具
34.80开启思考 | 工具
31.10开启思考 | 工具
15.90常规模式 | 工具
其余 8 个 benchmark 仍可在上方图表中查看。

单评测历史趋势图

当前查看:HLE · 综合知识考试

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

Kimi K2.6 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Kimi K2.6
Moonshot AI$0.95 / 1M tokens$4 / 1M tokens—
Kimi K2.5
Moonshot AI$0.6 / 1M tokens$3 / 1M tokens—
Kimi K2 Thinking
Fireworks AI$0.6 / 1M tokens$2.5 / 1M tokens—
Kimi K2
Moonshot AI$0.6 / 1M tokens$2.5 / 1M tokens—

数据来源