#79 MiMo-V2-Omni
none
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: 2026-05-08 15:32
xiaomi/mimo-v2-omni::none
(medium)
(none)
सारांश
Mimo V2 Omni AI BENCHY पर 6.3 स्कोर करता है और #79 पर है। इसकी reliability 10.0, pass rate 43.9%, कुल लागत $0.020, और औसत response time 2.37s है।
Mimo V2 Omni को अलग क्या बनाता है: यह पहेली समाधान में सबसे अलग दिखता है, जहाँ इसकी रैंक #1 है; जबकि एंटी-एआई ट्रिक्स इसकी सबसे कमजोर जगह है, जहाँ यह #18 पर है। इस score range के लिए इसकी कुल benchmark लागत असामान्य रूप से कम है। यह समान मॉडलों की तुलना में काफ़ी तेज है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
6.3
संगति
9.7
10.0
$0.020
कुल आउटपुट टोकन
2,254
कुल इनपुट टोकन
0
इनपुट कीमत
$0.400 / 1M
आउटपुट कीमत
$2.000 / 1M
अस्थिर टेस्ट
1
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 | 5.5 | 10.0 | $0.021 ↓ | तुलना करें | |
| 2026-05-22 00:20 सूट बदला गया | 6.2 | 10.0 | $0.023 | तुलना करें | |
| 2026-05-08 15:32 सूट बदला गया | 6.3 | 10.0 | $0.020 | वर्तमान रन | |
| 2026-04-11 01:44 पहला दर्ज रन | 6.5 | लागू नहीं | $0.007 | तुलना करें |
इस रन में अलग बेंचमार्क सूट इस्तेमाल हुआ था। ऐतिहासिक बदलाव पढ़ते समय सूट बदलाव को ध्यान में रखें।
रन तुलना
| रन | बेंचमार्क कवरेज | स्कोर | संगति | विश्वसनीयता | सही परीक्षण | अस्थिर टेस्ट | कुल आउटपुट टोकन | कुल इनपुट टोकन | कुल लागत | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:32 · सूट बदला गया | 19/19 टेस्ट · 49/57 प्रयास | 6.3 | 9.7 | 10.0 | 8/19 | 1 | 2,254 | 0 | $0.020 | 2.37s |
| 2026-04-11 01:44 · पहला दर्ज रन | 18/18 टेस्ट · 20/54 प्रयास | 6.5 | 10.0 | लागू नहीं | 8/18 | 0 | 868 | 0 | $0.007 | 1.99s |
| अंतर | — | -0.1 | -0.3 | 0 | +1 | +1386 | 0 | +$0.013 | +381ms |
बेंचमार्क कवरेज अलग है: 19/19 टेस्ट · 49/57 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 18/18 टेस्ट · 20/54 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 | 3.6 | 8.4 | |
| कोडिंग | 6.6 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग और निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 4.1 | 10.0 | |
| निर्देश पालन | 6.5 | 10.0 | |
| पहेली समाधान | 10.0 | 10.0 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |