Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Moonshot · pașaport de model

Kimi K2 0711 Preview

kimi-k2-0711-preview

Ponderi deschise
Licență Modified MIT
Lansat 2025-07-11(curatoriat)

General · LMArena: 1,418#122 din 396
Cea mai bună percentilă: 69.4General
Poziția în cohortă: 59.1mediană 51.6

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 9,8 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 69.4 pct pe General față de 59.6 pct pe Urmarea instrucțiunilor.

General69.4 pct1,418Verifică →
Programare67.5 pct1,459Verifică →
Prompturi dificile66.9 pct1,432Verifică →
Urmarea instrucțiunilor59.6 pct1,381Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

kimi-k2-0711-preview stands at 59.1 (raw mean 65.9) — measured on 4 of 27 axes.
pozițieșablonVerifică →
kimi-k2-0711-preview stands at 59.1 versus a cohort median of 51.6 across 143 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →