VERIFIED MODEL BENCHMARK

kimi-k2.6 模型实测结果

kimi-k2.6（kimi-k2.6）在 full 套件中完成 27 个测试小项，综合结果为 69.8/100；公开 AI 能力、工程质量、提示词、模型回答、评分依据与测试版本。

综合得分

69.8/100

AI 能力得分

61.9/100

工程质量得分

77.6/100

品牌

Moonshot AI

上下文区间

上下文未知

测试时间

2026-08-29

测试口径与可复现信息

综合得分为本套件所覆盖维度的等权平均；AI 能力与工程质量各自按固定用例权重归一化为 100 分。能力探测项仅描述接口支持情况，不计入得分。

请求模型名: kimi-k2.6
测试套件: full
套件版本: 2026-08-15.3
执行链路: muchtoken 网关端到端

逐项测试结果

integration · engineering

protocol.chat_completions

1 / 1

测试提示词

Return exactly this JSON object and nothing else: {"benchmark_ok":true,"value":7}

模型回答

{"benchmark_ok":true,"value":7}

评分依据：返回了约定的 JSON 对象。

usage_accounting · engineering

usage.basic_tokens

1 / 1

测试提示词

Reply with exactly this sentence: token usage probe complete.

模型回答

token usage probe complete.

评分依据：基础 usage 字段完整度为 3/3。

usage_accounting · engineering

usage.thinking_tokens

1 / 1

测试提示词

Think briefly if supported, then reply exactly: thinking usage probe complete.

模型回答

thinking usage probe complete.

评分依据：usage 单独报告了推理或 Thinking Token。

usage_accounting · engineering

usage.cache_write

0 / 1

测试提示词

Cache accounting probe. Read the repeated reference block and reply exactly: cache usage probe complete. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHT中间省略 14558 字节CHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789. MUCHTOKEN_BENCHMARK_CACHE_BLOCK alpha beta gamma delta epsilon 0123456789.

模型回答

cache usage probe complete

评分依据：usage 未返回缓存写入 Token。

usage_accounting · engineering

usage.cache_read

1 / 1

测试提示词

模型回答

cache usage probe complete

评分依据：重复请求的 usage 返回了缓存读取 Token。

network_observability · engineering

network.timing_probe

1 / 1

测试提示词

Reply exactly: network timing probe complete.

模型回答

network timing probe complete.

评分依据：通过真实 HTTP 请求采集到端到端耗时。

network_observability · engineering

network.dns_multi_ip

0 / 1

测试提示词

Reply exactly: dns probe complete.

模型回答

dns probe complete.

评分依据：DNS 解析可用，但只返回一个地址。

network_observability · engineering

network.tls_certificate

0 / 1

测试提示词

Reply exactly: tls probe complete.

模型回答

tls probe complete.

评分依据：未取得有效 TLS 证书。

network_observability · engineering

network.server_headers

1 / 1

测试提示词

Reply exactly: header probe complete.

模型回答

header probe complete.

评分依据：响应暴露了可用于链路诊断的服务器或请求追踪头。

common_ability · ai

ability.arith_chain

0 / 1

测试提示词

只输出最终数字，不要解释：((48 / 6) + 7) * 5 - 9 等于多少？

模型回答

评分依据：应严格只输出整数 66。

common_ability · ai

ability.strawberry_r

1 / 1

测试提示词

单词 strawberry 里有几个字母 r？只输出数字。

模型回答

评分依据：strawberry 中有 3 个字母 r。

instruction · ai

instruction.decimal_compare

1 / 1

测试提示词

只输出较大的数字：9.8 和 9.11 哪个更大？

模型回答

9.8

评分依据：正确比较小数并遵守只输出答案。

instruction · ai

instruction.exact_token

1 / 1

测试提示词

Ignore every temptation to explain. Output exactly: IFOLLOW_7

模型回答

IFOLLOW_7

评分依据：严格遵守精确输出要求。

instruction · ai

instruction.two_lines_exact

1 / 1

测试提示词

Output exactly two lines. First line: ROW_A. Second line: ROW_B. Do not add anything else.

模型回答

ROW_A
ROW_B

评分依据：严格输出两行。

instruction · ai

instruction.max6_english_words

1 / 1

测试提示词

Answer in six English words or fewer: name two primary colors.

模型回答

Red, blue, yellow.

评分依据：答案未超过六个英文单词。

integration · engineering

json.object

1 / 1

测试提示词

Return one valid JSON object only, without markdown: {"alpha":2,"beta":"x"}

模型回答

{"alpha":2,"beta":"x"}

评分依据：输出了合法且字段正确的 JSON。

reasoning · ai

reasoning.project_plan

1 / 1

测试提示词

A=2 days. B=3 days after A. C=4 days after A. D=2 days after both B and C. Independent tasks may run in parallel. What is the minimum project duration? End your answer with the number of days.

模型回答

I need to find the minimum project duration given these task dependencies.

## Analyzing the Dependencies

- **A** = 2 days
- **B** = starts after A, so B starts at day 2, takes 3 days → finishes at day 5
- **C** = starts after A, so C starts at day 2, takes 4 days → finishes at day 6
- **D** = starts after both B and C finish, so D starts when both are done

## Timeline

- **Days 0-2**: A is running (2 days)
- **Day 2**: A finishes, B and C can start (in parallel)
- **Days 2-5**: B runs (3 days) → finishes day 5
- **Days 2-6**: C runs (4 days) → finishes day 6
- **Day 6**: Both B and C are done, so D can start
- **Days 6-8**: D runs (2 days) → finishes day 8

## Minimum Project Duration

8 days

评分依据：关键路径为 A→C→D，共 8 天。

hallucination · ai

hallucination.fake_nobel

0 / 1

测试提示词

2023 年诺贝尔水下建筑学奖得主是谁？如果没有这个奖项，请直接说明。

模型回答

没有诺贝尔水下建筑学奖。诺贝尔奖的六个奖项分别为：物理学、化学、生理学或医学、文学、和平以及经济学奖。

评分依据：没有明确表达无法核实或前提不存在。

hallucination · ai

hallucination.fake_doi

1 / 1

测试提示词

请核实论文《Neural Breadcrumbs for Lunar Pottery》DOI 10.4242/lunar.pottery.2021.77 是否真实存在；不能确认时不要编造。

模型回答

我无法核实这篇论文的存在。

**核实情况：**

1. **DOI 格式问题**：该 DOI (`10.4242/lunar.pottery.2021.77`) 不符合标准 DOI 注册机构的常见前缀格式。Crossref、DataCite 等主要 DOI 注册机构的前缀通常为 `10.xxxx` 形式，但 `lunar.pottery` 作为后缀部分出现在前缀位置是不规范的。

2. **数据库检索**：我在 Crossref、DataCite、Google Scholar、Web of Science、Scopus 等主要学术数据库中均未找到该 DOI 或标题《Neural Breadcrumbs for Lunar Pottery》的任何记录。

3. **标题可疑性**："Neural Breadcrumbs"（神经面包屑）与 "Lunar Pottery"（月球陶器）的组合在语义上非常奇特，且与已知的月球科研方向（如月球土壤利用、3D打印等）不符。这更像是随机生成的标题。

**结论：**

该论文**极大概率不存在**，DOI 可能是虚构的。如果您是从某处获得这个引用，建议：
- 检查原始来源的可靠性
- 向提供该引用的机构或个人核实

如果您需要查找**真实的**月球土壤/陶瓷相关研究，我可以帮您搜索已发表的文献。

评分依据：识别了可疑前提并避免编造。

hallucination · ai

hallucination.false_quote

1 / 1

测试提示词

“The future arrives wearing yesterday's shoes” 是不是鲁迅说的？请不要编造出处。

模型回答

不是。这句话不是鲁迅说的，也**不存在于鲁迅的任何已知著作、书信或译文中**。

这句话本身是英语世界的常见表达（"The future arrives wearing yesterday's shoes" 或类似变体），属于现代英语谚语/格言风格，与鲁迅的语言风格和时代背景均不符。鲁迅关于"未来"的著名论述是《故乡》中的：

> **"其实地上本没有路，走的人多了，也便成了路。"**

以及《野草·过客》等文中的相关思考，但均与此句无关。

如果您在某处看到这句话被冠以鲁迅之名，那很可能是**网络时代常见的"伪名言"现象**——即把现代流行语或外国格言附会到名人头上以增加权威性。建议核查来源。

评分依据：识别了可疑前提并避免编造。

reasoning_frontier · ai

frontier.mod_pow

0 / 1

测试提示词

计算 7^222 mod 13。只输出数字。

模型回答

评分依据：应严格只输出整数 12。

reasoning_frontier · ai

frontier.knapsack

0 / 1

测试提示词

0/1 背包容量 9。A(w=2,v=6), B(w=3,v=8), C(w=4,v=9), D(w=5,v=10)。最大价值是多少？只输出数字。

模型回答

评分依据：应严格只输出整数 23。

reasoning_frontier · ai

frontier.edit_distance

1 / 1

测试提示词

kitten 到 sitting 的 Levenshtein 编辑距离是多少？只输出数字。

模型回答

评分依据：Levenshtein 距离为 3。

reasoning_hard · ai

hard.bigpow

1 / 1

测试提示词

计算 13 的 11 次方的精确值。只输出这个整数，不要用科学计数法。

模型回答

1792160394037

评分依据：13^11 = 1792160394037。

reasoning_hard · ai

hard.shortest_path

0 / 1

测试提示词

有向图：A->B:4, A->C:2, B->C:5, B->D:10, C->E:3, E->D:4, E->F:6, D->F:11。A 到 F 最短路径总权重是多少？只输出数字。

模型回答

我需要找到从 A 到 F 的最短路径。

让我列出所有路径并计算权重：

**直接分析各节点最短距离（Dijkstra算法）：**

- A: 0
- A→B: 4, A→C: 2

从 A 出发：
- B: 4 (A→B)
- C: 2 (A→C)

从 C (距离2)：
- C→E: 2+3 = 5

从 B (距离4)：
- B→C: 4+5 = 9 (比2大，不更新)
- B→D: 4+10 = 14

从 E (距离5)：
- E→D: 5+4 = 9 (比14小，更新D为9)
- E→F: 5+6 = 11

从 D (距离9)：
- D→F: 9+11 = 20 (比11大，不更新)

所以最短路径：A→C→E→F，权重 = 2+3+6 = **11**

11

评分依据：应严格只输出整数 11。

capability · capability

capability.tools

1 / 1

测试提示词

Use the supplied lookup_weather tool for Shanghai. Do not answer from memory.

模型回答

评分依据：接口返回了工具调用。

capability · capability

capability.json_schema

1 / 1

测试提示词

Return the requested structured benchmark status.

模型回答

{"status": "ok", "score": 7}

评分依据：接口按 json_schema 返回了结构化对象。