Moonshot · pașaport de model
Kimi K2 Preview
kimi-k2-preview- Ponderi deschise
- Licență Modified MIT
- Lansat 2026-10-28(văzut prima dată pe LMArena (aproximativ))
- General · LMArena
- 1,418#137 din 469
- Cea mai bună percentilă
- 72.1Programare
- Poziția în cohortă
- 55.7mediană 57.4
Ce spun datele
Evaluat pe 5 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Neuniform: 54,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 72.1 pct pe Programare față de 17.9 pct pe Factuality Arena.
- Programare72.1 pct1,468Verifică →
- General71 pct1,418Verifică →
- Prompturi dificile70.8 pct1,438Verifică →
- Urmarea instrucțiunilor64 pct1,390Verifică →
- Factuality Arena17.9 pct1,402Verifică →
- WebDev ArenaNeevaluat
- Vision 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 Preview (0905) from moonshot covers 5 of 27 axes with a composite score of 59.2 and a shrunk score of 55.7, achieving percentile 55.7 on the standing metric.
pozițieVerifică →In the 180-day cohort of 215 models, Kimi K2 Preview (0905) from moonshot achieved a standing of 55.7, which is below the cohort median standing of 57.4.
cohortăVerifică →
Kimi K2 Preview (0905) from moonshot shows a sensitivity spread of 403 between the best-under template Axat pe programare and worst-under template Toate sursele across 5 templates, with minRank 100 and maxRank 503.
oscilație a pozițieiVerifică →
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 →