#37 MiMo-V2-Pro
medium
This model has been deprecated. It is recommended to migrate to xiaomi/mimo-v2.5-pro
- 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-pro::medium
(medium)
(none)
सारांश
Mimo V2 PRO AI BENCHY पर 7.7 स्कोर करता है और #37 पर है। इसकी reliability 9.4, pass rate 77.2%, कुल लागत $0.212, और औसत response time 16.18s है।
संग्रहीत मॉडल: इस मॉडल को अब अपडेट नहीं किया जाएगा और नए परीक्षणों में टेस्ट नहीं किया जाएगा।
पहचान नोट
Hunter Alpha, Mimo V2 PRO का स्टेल्थ संस्करण था।
7.7
संगति
8.2
9.4
$0.212
कुल आउटपुट टोकन
58,330
कुल इनपुट टोकन
0
इनपुट कीमत
$1.000 / 1M
आउटपुट कीमत
$3.000 / 1M
अस्थिर टेस्ट
4
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 | 6.3 | 9.6 | $0.333 ↑ | तुलना करें | |
| 2026-05-22 00:25 सूट बदला गया | 7.6 | 9.5 | $0.295 | तुलना करें | |
| 2026-05-08 15:32 सूट बदला गया | 7.7 | 9.4 | $0.212 | वर्तमान रन | |
| 2026-04-11 01:44 पहला दर्ज रन | 8.1 | लागू नहीं | $0.159 | 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 · 57/57 प्रयास | 7.7 | 8.2 | 9.4 | 12/19 | 4 | 58,330 | 0 | $0.212 | 16.18s |
| 2026-04-11 01:44 · पहला दर्ज रन | 18/18 टेस्ट · 48/54 प्रयास | 8.1 | 8.6 | लागू नहीं | 12/18 | 3 | 40,680 | 0 | $0.159 | 12.27s |
| अंतर | — | -0.4 | -0.4 | 0 | +1 | +17650 | 0 | +$0.054 | +3915ms |
बेंचमार्क कवरेज अलग है: 19/19 टेस्ट · 57/57 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 18/18 टेस्ट · 48/54 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 | 10.0 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 4.7 | 1.6 | |
| डेटा पार्सिंग और निष्कर्षण | 7.3 | 5.8 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 10.0 | 10.0 | |
| निर्देश पालन | 9.9 | 10.0 | |
| पहेली समाधान | 6.4 | 4.4 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |