CASE EVIDENCE / A RECORD
Moonshot AI Research Team 公开的代码审查与测试案例，来源为 官方页面，复核于 2026-06-26T22:55:00Z。
原始记录：K2.5 Powering WorldVQA Visual Knowledge Benchmark Research
Chinese Brief
Moonshot AI Research Team 公开的代码审查与测试案例，来源为 官方页面，复核于 2026-06-26T22:55:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。 Model Atlas 不把 benchmark、教程、发布说明或集合页包装成真实案例。
任务
这是一个围绕代码审查和测试生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Evaluate Kimi K2.5 on WorldVQA, a novel benchmark testing atomic visual knowledge of frontier models across 9 task categories (People, Objects, Culture, Geography, Transportation, Brands, Sports, Entertainment, Location…
公开材料提供原始证据链接和可访问产物，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：Kimi K2.5 achieved 46.3% accuracy on WorldVQA Overall Accuracy, ranking second only to Gemini-3-pro (47.4%) and outperforming Claude-opus-4.5 (36.8%), GPT-5.2 (28.0%), Qwen3-VL-235B (23.5%), and all other evaluated mode…
Kimi K2.5 在该案例中承担代码审查和测试生成相关的生成、分析、编排或实现角色。 原始资料写作：Kimi K2.5 demonstrates state-of-the-art visual knowledge understanding, achieving near-Gemini-3-pro performance on a challenging benchmark that tests real-world visual knowledge rather than OCR or simple recognition. Th…
当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Published on Moonshot AI's official blog with arxiv paper reference. Benchmark data is from the model provider's own research but with open-source reproducible evaluation.