# **Kimi K2 Thinking 模型体验：推理、搜索与编程能力评测**
## **Kimi K2 Thinking 模型是什么？**
**Kimi** 最近推出了 **K2 Thinking** 模型，这是一个**开源**且具有**思考能力**的 **Thinking Agent**。作者在实际使用后发现，**K2-thinking** 在 **搜索** 和 **编程** 方面的能力显著提升。虽然在实际编程过程中，搜索能力可能会造成轻微卡顿，等待时间稍长，但 **token 消耗** 降低了不少，三个案例的花费仅为五块钱左右。
## **K2 Thinking 模型有哪些亮点功能？**
* **在线编辑：** 支持基本样式选择。
* **办公套件：** 提供 Word 文档编辑器、Excel 数据处理等功能。
* **英语学习平台：** 可以创建英语学习平台（后文会详细介绍）。
* **多平台使用：** 既可以在客户端体验，也能在 Claude code 中使用。
## **K2 Thinking 推理性能如何？**
### **什么是 HLE 基准？**
**HLE（Humanity’s Last Exam）** 被誉为“人类最后一场闭卷考试”，由全球近千名专家联合打造。它包含 3000 道高难度题目的 **多模态基准测试**，旨在挑战 AI 的极限，并为技术发展轨迹与风险治理提供关键标尺。与传统 AI 测试基准不同，**HLE** 没有参考答案，题目来源于全球 50 个国家、500 多家机构的专家原创，难度达到研究生水平，完全依靠模型自身实力。
### **K2 Thinking 在 HLE 中的表现如何？**
据 Kimi 官方描述，**Kimi K2 Thinking** 在 **HLE** 中表现强劲。全球顶尖模型（如 **GPT-4o**、**Claude 3.5**）在 **HLE** 上的平均准确率不足 5%，错误答案的置信度高达 80% 以上，暴露了非常大的幻觉问题。
### **案例分析：K2 Thinking 推理能力实测**
#### **案例一：帕尔米拉铭文翻译**
* **题目：** 翻译墓碑上的帕尔米拉语铭文。
* **难度：** 图片语言翻译，尤其针对生僻语言，难度较高。
* **K2 Thinking 表现：** 在不联网的情况下，十几秒内完成翻译，理解和解释直白易懂。
* **GPT-5 Thinking 表现：** 仅给出翻译，缺乏中文语境下的理解，翻译等于没翻译。
* **结论：** **K2-Thinking** 的理解和解释更加直白易懂。
#### **案例二：伯克利物理学难题**
* **题目：** 加州大学伯克利分校凯文教授提出的物理学问题，涉及复杂的力学分析。
* **K2 Thinking 表现：** 一次性给出正确答案，但思考过程较长，等待时间过久。
* **GPT-5 Thinking 表现：** 需要切换到特定模式才能给出正确答案，不同模式下答案不一致。
* **结论：** **K2-Thinking** 的确定性更高，但思考过程太长，等待时间过久。
#### **案例三：斯坦福化学难题**
* **题目：** 斯坦福大学 Noah B 教授提出的化学领域的元素问题，研究生水平以上难度。
* **K2 Thinking 表现：** 快速给出答案，智商不亚于研究生水平，推理过程人性化，回答结果契合用户心理预期。
* **GPT-5 Thinking 表现：** 快速给出答案，结果准确。
* **结论：** 两者都答对了，但 **K2-Thinking** 的推理过程更加人性化，回答结果更契合用户的心理预期，解释更通俗易懂。
## **K2 Thinking 搜索与浏览总结能力如何？**
### **与 GPT5 模型对比**
面对复杂问题，**深度搜索** 的能力非常重要。在 OpenAI 发布的 **BrowseComp** 基准测试中，**Kimi K2 Thinking** 超过了 **GPT5** 模型。该模型还能做出多达上百步的“思考 → 搜索 → 浏览网页 → 思考 → 编程”动态循环。
### **案例分析：K2 Thinking 搜索能力实测**
#### **案例一：复杂的足球比赛检索**
* **题目：** 找出在 1990 年至 1994 年期间，由巴西裁判执法的比赛，其中两支球队共收到四张黄牌（每队两张），其中三张黄牌不是在上半场发出的，并且有四次换人，其中一次是在比赛前 25 分钟因伤换人。
* **K2 Thinking 表现：** 答案准确。
* **GPT-5 Thinking 表现：** 给出的信息更准确，条理更清晰。
* **结论：** **GPT-5 Thinking** 更加优秀，信息更准确，条理更清晰。
#### **案例二：全网检索小众论文**
* **题目：** 找一篇在 2023 年 6 月之前发表的研究论文，该论文涉及文化传统、科学过程和烹饪创新，并由三位作者共同撰写。其中一位作者是来自西孟加拉邦的助理教授，另一位拥有博士学位。
* **K2 Thinking 表现：** 进行多轮搜索和思考验证，但最终没有找到论文。
* **GPT-5 Thinking 表现：** 找到了论文。
* **结论：** **GPT-5** 胜出，这可能与信源和网络问题有关，因为该论文在海外发布，非常小众。
## **K2 Thinking Agentic 编程能力如何？**
### **如何在 Claude code 中使用 K2 Thinking？**
1. 打开 **CC-swith** 插件，它可以无缝切换多个模型厂商。
2. 切换到 **K2 Thinking** 模型，无需自己修改配置。
3. 在 VS Code 中打开终端。
4. 输入 `/model` 查看当前模型。
5. 按下 Tab 键开启思考模式（右下角）。
### **案例分析：K2 Thinking 编程能力实测**
#### **案例一：搭建英语学习网站**
* **任务：** 创建一个高中英语的学习网站，包含每日打卡、每日一词、课程库资源等功能。
* **K2 Thinking 表现：** 生成了一个自带数据库、可交互、完成度达到 95% 的英语学习网站，包含课程检索功能。
#### **案例二：创建网页版 Office 套件**
* **任务：** 使用 `document-skills` 创建一个网页版的 Office 套件，包含 Word、PPT、Excel、PDF 的基本操作。
* **K2 Thinking 表现：** 创建了一个包含 Word 文档在线编辑器、Excel 表格编辑器、PPT 编辑器和 PDF 编辑器的网页版办公套件。
## **总结**
**Kimi K2 Thinking** 的 **Agentic 编程能力** 和 **深度推理能力** 令人印象深刻，尤其是在理解复杂需求并将其分解执行方面。它生成的答案和代码完成度非常高（达到 95%），且在 **HLE** 测试中展现的“人性化”理解力优于 **GPT-5 Thinking**。虽然在搜索和编程过程中会有些许卡顿，但考虑到其极高的性价比，**K2 Thinking** 绝对是目前 AI 领域一个强有力的竞争者。
我认为：这 **K2 Thinking** 虽有瑕疵，然其开源之举，犹如黑暗中的火种，为 AI 发展带来一丝希望。其在推理、搜索、编程方面的表现，亦如一个初出茅庐的少年，虽有不足，但潜力无限。望其未来能不断精进，为人类带来更多福祉，否则，不过是又一场技术的喧嚣罢了。
#keywords, #Kimi, #K2Thinking，#人工智能
© 版权声明
文章版权归作者所有，未经允许请勿转载。
