Kimi与K2开源模型登顶HuggingFace：性能突破且降成本50%！

2025年11月8日，人工智能大模型领域再次迎来重大突破。就在全球技术路线逐渐转向封闭研发的背景下，国内多家企业坚守开源战略，持续推动技术进步。继此前的DeepSeek、Qwen等模型引发广泛关注之后，月之暗面推出的Kimi K2 Thinking成为了业界新焦点。

作为K2系列中的思考型大模型，Kimi K2 Thinking在多项权威基准测试中均达到顶尖水平，整体性能表现甚至超越了GPT-5。该模型在自主搜索、自主编程、文本生成和综合推理等方面实现了全方位升级，展现出令人瞩目的智能处理能力。上线短短两天便登顶国际知名开源平台HuggingFace榜单，获得了海外开发者的广泛认可，同时也引发了对部分国外企业闭源模式的深入讨论。

在极具挑战性的人类终极考试（HLE）基准测试中，Kimi K2 Thinking取得了44.9%的优异成绩，超越了Grok4、GPT-5和Claude 4.5等国际先进模型。若采用其增强版本Kimi K2 Thinking Heavy，得分更能进一步提升至51%。对此，HuggingFace联合创始人Thomas Wolf表示，这标志着开源技术引领的突破正在持续发生，未来类似现象可能会以更密集的频率出现。

值得关注的是，Kimi K2 Thinking不仅在性能上表现出色，更在成本控制方面展现出显著优势。其API调用价格分别为每百万token输入0.15美元（缓存命中）或0.6美元（缓存未命中），输出为每百万token 2.5美元，相较同类型高端闭源模型每百万token输入1.25美元、输出10美元的定价，成本降低了一个数量级。

这一成本优势源于训练过程的高效优化。据透露，Kimi K2 Thinking的训练总成本约为460万美元，较此前被视为行业成本标杆的DeepSeek V3模型（560万美元）再降10%以上。相比之下，国际同类大模型的研发投入则远超这一数字，部分企业的模型训练耗费高达数十亿美元，仅GPU硬件支出就已远超国内整体投入水平。