#40 MiMo-V2-Omni
medium
This model has been deprecated. It is recommended to migrate to xiaomi/mimo-v2.5
- लागत
- $0.000
- समय
- 0.1s
- टोकन
- 0 tok
Xiaomi
रिलीज़: 2026-03-18
परीक्षण किया गया: 2026-04-11 01:44
xiaomi/mimo-v2-omni::medium
(medium)
(none)
सारांश
Mimo V2 Omni AI BENCHY पर 7.7 स्कोर करता है और #40 पर है। इसकी reliability लागू नहीं, pass rate 61.1%, कुल लागत $0.153, और औसत response time 16.76s है।
Mimo V2 Omni 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 #18 पर है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
7.7
संगति
9.9
लागू नहीं
$0.153
कुल आउटपुट टोकन
73,589
कुल इनपुट टोकन
0
इनपुट कीमत
$0.400 / 1M
आउटपुट कीमत
$2.000 / 1M
अस्थिर टेस्ट
0
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 13:47 नया टेस्ट जोड़ा गया | 5.9 | 10.0 | $0.683 ↓ | तुलना करें | |
| 2026-05-22 00:27 सूट बदला गया | 6.9 | 10.0 | $0.734 | तुलना करें | |
| 2026-05-08 15:32 सूट बदला गया | 7.2 | 10.0 | $0.451 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 7.7 | लागू नहीं | $0.153 | 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 | 18/18 टेस्ट · 20/54 प्रयास | 7.7 | 9.9 | लागू नहीं | 11/18 | 0 | 73,589 | 0 | $0.153 | 16.76s |
| 2026-05-22 00:27 · सूट बदला गया | 20/20 टेस्ट · 52/60 प्रयास | 6.9 | 8.7 | 10.0 | 10/20 | 3 | 359,258 | 0 | $0.734 | 41.16s |
| अंतर | — | +0.8 | +1.2 | +1 | -3 | -285669 | 0 | -$0.582 | -24407ms |
बेंचमार्क कवरेज अलग है: 18/18 टेस्ट · 20/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 20/20 टेस्ट · 52/60 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 | 10.0 | 10.0 | |
| कोडिंग | 4.0 | 7.9 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 8.3 | 10.0 | |
| पहेली समाधान | 6.5 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 |