#53 xAI: Grok 4.20
medium- Coste
- $0.041
- Tiempo
- 110.3s
- Tokens
- 16,336 tok
AI BENCHY Compare
xAI: Grok 4.20 vs Xiaomi: MiMo-V2.5
Resumen
Comparación benchmark de Grok 4.20 vs MiMo-V2.5: Grok 4.20 lidera en puntuación media con 7.3 vs 6.7. MiMo-V2.5 tiene menor coste de benchmark con $0.063 vs $0.609. MiMo-V2.5 es más rápido con 27.11s vs 27.68s, con tasas de acierto de 63.5% vs 69.8%.
Modelo recomendado: MiMo-V2.5 - Su puntuación se mantiene cerca de la mejor aquí (6.7 vs 7.3) y cuesta aproximadamente 9.8x menos que Grok 4.20.
Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-18
| Métrica | Grok 4.20 Grok 4.20 medium | MiMo-V2.5 MiMo-V2.5 medium |
|---|---|---|
| Puntuación | 7.3 | 6.7 |
| Rango | #53 | #76 |
| Fiabilidad | 10.0 | 10.0 |
| Consistencia | 8.8 | 8.1 |
| Pruebas correctas | ||
| Tasa de aciertos por intento | 63.5% | 69.8% |
| Pruebas inestables | 3 | 5 |
| Ejecuciones totales | 63 | 63 |
| Costo por resultado | 8.309 | 2.966 |
| Costo total | $0.609 | $0.063 |
| Precio de entrada | $1.250 / 1M | $0.140 / 1M |
| Precio de salida | $2.500 / 1M | $0.280 / 1M |
| Total de tokens de entrada | 44,433 | 41,838 |
| Tokens de salida | 1,819 | 2,827 |
| Tokens de razonamiento | 219,524 | 198,898 |
| Tiempo de respuesta (promedio) | 27.68s | 27.11s |
| Tiempo de respuesta (máximo) | 199.66s | 162.44s |
| Tiempo de respuesta (total) | 581.26s | 569.38s |
Generación showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#76 MiMo-V2.5
medium- Coste
- $0.002
- Tiempo
- 54.8s
- Tokens
- 5,247 tok
Mejores modelos por puntuación
Puntuación vs costo total
Tiempo de respuesta (promedio)
Puntuación vs Tiempo de respuesta (promedio)
Total de tokens de salida
Puntuación vs Total de tokens de salida
Desglose por categoría
| Análisis y extracción de datos | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 7,761 | 180 | 5,333 | |
| MiMo-V2.5 | 2.7 | 5.7 | 16.7% | 1 | 6.33s | 7,746 | 306 | 5,714 |
| Específico del dominio | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 1,764 | 375 | 49,339 | |
| MiMo-V2.5 | 5.3 | 10.0 | 33.3% | 0 | 34.53s | 735 | 507 | 49,478 |
| Seguimiento de instrucciones | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 9.8 | 10.0 | 100.0% | 0 | 4.26s | 1,362 | 57 | 6,419 | |
| MiMo-V2.5 | 9.9 | 10.0 | 100.0% | 0 | 1.80s | 672 | 88 | 801 |
| Llamada de herramientas | Puntuación | Consistencia | Tasa de aciertos por intento | Pruebas inestables | Pruebas correctas | Tiempo de respuesta (promedio) | Tokens de entrada | Tokens de salida | Tokens de razonamiento |
|---|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 7,275 | 197 | 6,620 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 7.29s | 8,220 | 303 | 2,424 |
Comparación rápida
Cambiar par de comparación
Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumGemini 3.5 FlashminimalvsMiMo-V2.5mediumClaude Opus 4.8nonevsGrok 4.20mediumQwen3.7 MaxnonevsMiMo-V2.5mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewnonevsMiMo-V2.5mediumGrok 4.20mediumvsGLM 5.2noneGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5mediumStep 3.7 FlashhighvsGrok 4.20medium