#119

MiniMax M2.5

Minimax रिलीज़: 2026-02-12 परीक्षण किया गया: 2026-05-21 23:48 minimax/minimax-m2.5::medium

सारांश

MiniMax M2.5 AI BENCHY पर 5.4 स्कोर करता है और #119 पर है। इसकी reliability 8.3, pass rate 50.0%, कुल लागत $0.305, और औसत response time 50.25s है।

MiniMax M2.5 को अलग क्या बनाता है: यह संयुक्त में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #11 पर है। यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

स्कोर

5.4

संगति

6.1

विश्वसनीयता

8.3

कुल लागत (वर्तमान कीमत)

$0.305

कुल आउटपुट टोकन

360,672

कुल इनपुट टोकन

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$1.150 / 1M

सही परीक्षण

गलत टेस्ट: 15

प्रति प्रयास पास दर: 50.0%

अस्थिर टेस्ट

अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।

प्रतिक्रिया समय (औसत)

50.25s

प्रतिक्रिया समय (अधिकतम): 237.27s

प्रतिक्रिया समय (कुल): 603.06s

गलत उत्तर: 7 समय समाप्त: 4 निर्देशों का पालन नहीं किया: 3 अमान्य टूल कॉल: 1

जनरेशन शोकेस

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#119 MiniMax M2.5

medium

अमान्य SVG

लागत: $0.000
समय: 300.0s
टोकन: 0 tok

रन इतिहास

परीक्षण किया गया	स्कोर	विश्वसनीयता	कुल लागत	तुलना करें
2026-06-04 13:23 नया टेस्ट जोड़ा गया	5.3	8.9	$0.385 ↓	तुलना करें
2026-05-21 23:48 सूट बदला गया	5.4	8.3	$0.305	वर्तमान रन
2026-04-20 17:48 पहला दर्ज रन	5.7	लागू नहीं	$0.250	तुलना करें

इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।

रन तुलना

रन	स्कोर	संगति	विश्वसनीयता	सही परीक्षण	अस्थिर टेस्ट	कुल आउटपुट टोकन	कुल इनपुट टोकन	कुल लागत	प्रतिक्रिया समय (औसत)
2026-05-21 23:48 · सूट बदला गया	5.4	6.1	8.3	5/20	10	360,672	0	$0.305	50.25s
2026-06-04 13:23 · नया टेस्ट जोड़ा गया	5.3	6.2	8.9	5/21	10	440,309	43,706	$0.385	65.37s
अंतर	+0.1	-0.1	-0.6	0	0	-79637	-43706	-$0.081	-15111ms

इन दो रन में अलग-अलग बेंचमार्क सूट इस्तेमाल हुए थे, इसलिए अंतर मॉडल बदलाव और सूट बदलाव दोनों को दर्शाते हैं।

चार्ट

पहले मॉडल चुनें, फिर दूसरा मॉडल क्लिक करके साइड-बाय-साइड पेज खोलें।

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

श्रेणी	स्कोर	संगति
एंटी-एआई ट्रिक्स	7.9	6.3
कोडिंग	3.5	9.8
संयुक्त	4.5	2.1
डेटा पार्सिंग और निष्कर्षण	4.6	1.7
डोमेन-विशिष्ट	2.9	4.4
Samanya Buddhimatta	3.8	2.5
निर्देश पालन	7.5	6.7
पहेली समाधान	5.3	7.2
टूल कॉलिंग	10.0	10.0
सामान्य ज्ञान	3.0	10.0

MiniMax M2.5

Hamster playing table tennis

#119 MiniMax M2.5

चार्ट

स्कोर के अनुसार शीर्ष मॉडल

स्कोर vs कुल लागत

प्रतिक्रिया समय (औसत)

स्कोर vs प्रतिक्रिया समय (औसत)

कुल आउटपुट टोकन

स्कोर vs कुल आउटपुट टोकन

त्वरित तुलना

श्रेणी विवरण

तुलना किए गए मॉडल