#46 MiMo-V2-Flash
medium
अमान्य SVG
- लागत
- $0.020
- समय
- 284.1s
- टोकन
- 65,689 tok
Xiaomi
रिलीज़: 2025-12-16
परीक्षण किया गया: 2026-04-11 01:44
xiaomi/mimo-v2-flash::medium
309B कुल (15B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
MiMo-V2-Flash AI BENCHY पर 7.5 स्कोर करता है और #46 पर है। इसकी reliability लागू नहीं, pass rate 70.4%, कुल लागत $0.038, और औसत response time 23.36s है।
MiMo-V2-Flash को अलग क्या बनाता है: यह निर्देश पालन में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि कोडिंग इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
मॉडल विवरण
शोध की तारीख: 2026-08-12
- पैरामीटर
- 309B कुल (15B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- लाइसेंस
- MIT
7.5
संगति
8.6
लागू नहीं
$0.038
कुल आउटपुट टोकन
127,569
कुल इनपुट टोकन
0
इनपुट कीमत
$0.090 / 1M
आउटपुट कीमत
$0.290 / 1M
अस्थिर टेस्ट
3
अस्थिर टेस्ट में रनों के बीच मिले-जुले परिणाम रहे (कम से कम एक पास और एक फेल)।
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| परीक्षण किया गया | स्कोर | विश्वसनीयता | सही परीक्षण | कुल लागत | तुलना करें |
|---|---|---|---|---|---|
| 2026-06-04 13:48 नया टेस्ट जोड़ा गया | 6.3 | 10.0 | $0.043 ↑ | तुलना करें | |
| 2026-05-22 00:20 सूट बदला गया | 7.1 | 10.0 | $0.038 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 7.5 | लागू नहीं | $0.038 | वर्तमान रन |
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहला दर्ज रन | 54/54 प्रयास | 7.5 | 8.6 | लागू नहीं | 11/18 | 3 | 127,569 | 0 | $0.038 | 23.36s |
| 2026-06-04 13:48 · नया टेस्ट जोड़ा गया | 63/63 प्रयास | 6.3 | 8.4 | 10.0 | 12/21 | 3 | 137,515 | 40,111 | $0.043 | 20.11s |
| अंतर | — | +1.2 | +0.2 | -1 | 0 | -9946 | -40111 | -$0.006 | +3255ms |
बेंचमार्क कवरेज अलग है: 54/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 63/63 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव)। कुल और दोहराव-संवेदनशील मेट्रिक सीधे तुलना योग्य नहीं हैं।
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।
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
श्रेणी विवरण
| श्रेणी | स्कोर | संगति | सही परीक्षण |
|---|---|---|---|
| एंटी-एआई ट्रिक्स | 8.1 | 7.9 | |
| कोडिंग | 4.7 | 1.6 | |
| संयुक्त | 9.8 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 5.9 | 7.2 | |
| Samanya Buddhimatta | 4.0 | 10.0 | |
| निर्देश पालन | 10.0 | 10.0 | |
| पहेली समाधान | 7.7 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |