智能推理的方面，在人类终极考试（ HLE）这项超难基准上，Kimi K2 Thinking 取得44.9%的分数，超过了Grok4、GPT-5、Claude 4.5等先进模型。如果是 Kimi K2 Thinking Heavy，分数还可以进一步达到 51%。HuggingFace联合创始人Thomas Wolf置评Kimi K2 Thinking称，我们正在见证又一次DeepSeek时刻，开源软件再次超越闭源软件，今后是不是每隔几个月就会发生一次这种情况？