GPT-5和Claude Sonnet 4.5 Thinking仍然是领先的思考模型。然而，在相同的基准测试中，Kimi K2 Thinking的代理推理得分超过了两者：例如，在BrowseComp测试中，K2 Thinking以60.2%的分数绝对领先GPT-5的54.9%和Claude的24.1%。K2 Thinking在GPQA Diamond测试中也以85.7%的分数超过了GPT-5的84.5%，在AIME 2025和HMMT 2025等数学推理任务上也与GPT-5不相上下。