#26 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: 2026-04-11 01:44
xiaomi/mimo-v2-pro::medium
(medium)
(none)
सारांश
Mimo V2 PRO AI BENCHY पर 8.1 स्कोर करता है और #26 पर है। इसकी reliability लागू नहीं, pass rate 77.8%, कुल लागत $0.159, और औसत response time 12.27s है।
Mimo V2 PRO को अलग क्या बनाता 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।
पहचान नोट
Hunter Alpha, Mimo V2 PRO का स्टेल्थ संस्करण था।
8.1
संगति
8.6
लागू नहीं
$0.159
कुल आउटपुट टोकन
40,680
कुल इनपुट टोकन
0
इनपुट कीमत
$1.000 / 1M
आउटपुट कीमत
$3.000 / 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 13:47 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 | तुलना करें | |
| 2026-04-11 01:44 पहला दर्ज रन | 8.1 | लागू नहीं | $0.159 | 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 · 48/54 प्रयास | 8.1 | 8.6 | लागू नहीं | 12/18 | 3 | 40,680 | 0 | $0.159 | 12.27s |
| 2026-06-04 13:47 · नया टेस्ट जोड़ा गया | 21/21 टेस्ट · 63/63 प्रयास | 6.3 | 7.7 | 9.6 | 12/21 | 5 | 84,319 | 40,961 | $0.333 | 22.16s |
| अंतर | — | +1.8 | +0.9 | 0 | -2 | -43639 | -40961 | -$0.174 | -9892ms |
बेंचमार्क कवरेज अलग है: 18/18 टेस्ट · 48/54 प्रयास (लक्ष्य: प्रति टेस्ट 3 दोहराव) बनाम 21/21 टेस्ट · 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 | 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 | 7.0 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |