今日，月之暗面正式推出 Kimi K2 Thinking——Kimi 史上最强大的开源推理模型。K2 Thinking 基于「模型即智能体」理念打造，天生具备「一边思考、一边调用工具」的协同本领。它在 Humanity's Last Exam、BrowseComp、SEAL-0 等权威评测中刷新 SOTA，并在智能搜索、智能编程、写作与综合推理等场景实现全面跃升。

Kimi K2 Thinking 无需人类干预，就能自主完成 300 轮工具调用，并维持持久、稳定的多轮思考，替用户啃下更艰深的难题。这是我们在 Test-Time Scaling 上的最新突破：同步放大思考 Token 与工具轮次，让 Agent 与推理双双升级。Kimi K2 Thinking 已登陆 kimi.com 及最新手机版常规对话。Kimi Agent 模式的底层也将换装 K2 Thinking，带来完整的链式思考与工具循环。

推理性能全面提升

Kimi K2 Thinking 于人类最后的考试（Humanity's Last Exam） 尽显推理与解题锋芒。该测试为横跨百余专业的终极封闭式学术考场。在均可调用搜索、Python、网页浏览工具的公平条件下，Kimi K2 Thinking 在此基准中斩下 44.9% 的 SOTA 分数。

面对繁复检索与网页穿梭，Kimi K2 Thinking 同样交出亮眼答卷。OpenAI 推出的 BrowseComp 基准，专为评估 AI Agent 的浏览耐力而设，考验信息洪流中能否像学者般「刨根问底」。此关卡人类均值仅 29.2%，而 Kimi K2 Thinking 以 60.2% 的执着探研刷新 SOTA，登顶最难浏览测试榜。

凭借长程规划与自主检索，Kimi K2 Thinking 可驱动上百轮“思考→搜索→浏览→再思→编程”的滚动闭环，不断修正假设、核验证据、推导演绎，最终拼出逻辑自洽的解答。这种边搜边思的主动能力，让它把宽泛开放的大题拆成清晰可攻的子任务。

Agentic 编程能力持续精进

Kimi K2 Thinking 的编程实力同步升级，在 SWE-Multilingual、SWE-bench 验证集与 Terminal 操作等多语言软件工程基准中再攀新高。我们注意到，它在 HTML、React 及组件密集的前端任务上提速显著，可把创意瞬间变成完备、响应式的产品。置于 Agentic Coding 场景，Kimi K2 Thinking 边调用工具边思考，自如嵌入 software agents，驾驭更繁复、多阶的开发工作流。

通用基础能力升级

创意写作：Kimi K2 Thinking 大幅跃升写作水准，可把零星灵感锻造成澄澈、动人且意图鲜明的篇章，兼具节奏与深意；它游刃于微妙文风与朦胧结构，在长篇里仍守得住格调统一。其笔下意象跃动，情感共振更强，把精准叙事与丰盈表现融为一炉。

学术与研究：在学术与专业场域，Kimi K2 Thinking 于剖析深度、信息精准与逻辑骨架上全面精进；它能条分缕析繁复指令，并以澄澈严谨之笔拓展思脉，因此尤擅学术论文、技术摘要及对信息完整与推理质量苛求万分的冗长报告。

个人与情感：面对私人或情感提问，Kimi K2 Thinking 的回响更富共情，立场亦趋中正温和；其思索绵密而具体，能给出纤毫入微的洞见与可立即落地的后续指引。它体贴且清晰地协助用户梳理纠结抉择，语气踏实又恳切，人情味更浓。

原生 INT4 量化提升推理效率

低比特量化是削减大规模推理服务器延迟与显存占用的利器。实测显示，因思考模型输出解码链极长，常规量化常令性能跳水。为破局，我们在后训练阶段引入量化感知训练，并对 MoE 模块施以 INT4 纯权重压缩。

由此，Kimi K2 Thinking 在复杂推理与 Agentic 场景中原生支持 INT4 推理，生成提速约两倍。INT4 对硬件兼容性更佳，对国产加速芯亦更友好。值得一提的是，我们所有基准成绩皆在 INT4 精度下达成。