#77

MiniMax M2.5

Minimax रिलीज़: 2026-02-12 परीक्षण किया गया: 2026-04-20 17:48 minimax/minimax-m2.5::medium

सारांश

MiniMax M2.5 AI BENCHY पर 5.7 स्कोर करता है और #77 पर है। इसकी reliability लागू नहीं, pass rate 57.4%, कुल लागत $0.250, और औसत response time 39.65s है।

MiniMax M2.5 को अलग क्या बनाता है: यह असामान्य रूप से अधिक reasoning tokens इस्तेमाल करता है, जिससे धीमे या महंगे runs समझ में आ सकते हैं।

स्कोर

5.7

संगति

5.6

विश्वसनीयता

लागू नहीं

कुल लागत (वर्तमान कीमत)

$0.250

कुल आउटपुट टोकन

313,466

कुल इनपुट टोकन

इनपुट कीमत

$0.150 / 1M

आउटपुट कीमत

$1.200 / 1M

सही परीक्षण

गलत टेस्ट: 13

प्रति प्रयास पास दर: 57.4%

अस्थिर टेस्ट

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

प्रतिक्रिया समय (औसत)

39.65s

प्रतिक्रिया समय (अधिकतम): 237.27s

प्रतिक्रिया समय (कुल): 396.47s

गलत उत्तर: 5 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.

#77 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	तुलना करें
2026-04-20 17:48 पहला दर्ज रन	5.7	लागू नहीं	$0.250	वर्तमान रन

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	3.0	10.0
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	8.1	6.8
पहेली समाधान	5.3	7.2
टूल कॉलिंग	10.0	10.0

MiniMax M2.5

Hamster playing table tennis

#77 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