Ember-1 (low) vs MiMo-V2.5 (medium)

Model yang Dibandingkan

Model yang direkomendasikan MiMo-V2.5 (medium)

It has the best score here (7.1), while costing about 3.6x less than Ember-1 (low).

Metrik	Ember-1 Ember-1 low Rilis: 2026-09-28	MiMo-V2.5 MiMo-V2.5 medium Rilis: 2026-04-22

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

low

medium

Kategori:

Tugas agen	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	4.7	3.1	33.3%	1		121.29s	178,897	9,378	9,921
MiMo-V2.5	10.0	10.0	100.0%	0		113.57s	154,208	1,306	13,157

Trik anti-AI	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	8.2	7.9	83.3%	1		22.18s	1,402	571	613
MiMo-V2.5	10.0	10.0	100.0%	0		4.14s	621	281	1,739

Pemrograman	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	10.0	10.0	100.0%	0		37.91s	8,097	2,518	13,142
MiMo-V2.5	6.2	4.7	66.7%	2		97.14s	7,422	557	81,977

Gabungan	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	6.5	10.0	50.0%	0		51.45s	12,828	381	689
MiMo-V2.5	8.7	6.9	83.3%	1		77.97s	78,669	4,656	39,393

Parsing dan ekstraksi data	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	7.3	5.9	83.3%	1		34.82s	6,076	223	778
MiMo-V2.5	2.7	5.7	16.7%	1		6.33s	7,746	306	5,714

Spesifik domain	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	2.9	7.2	11.1%	1		56.17s	1,154	234	12,476
MiMo-V2.5	3.6	7.2	22.2%	1		137.75s	744	495	138,736

Kecerdasan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	10.0	10.0	100.0%	0		5.67s	744	139	462
MiMo-V2.5	5.4	2.5	66.7%	1		5.37s	492	121	418

Kepatuhan instruksi	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	6.2	5.8	66.7%	1		32.73s	781	121	466
MiMo-V2.5	9.9	10.0	100.0%	0		1.80s	672	88	801

Pemecahan teka-teki	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	10.0	10.0	100.0%	0		3.27s	1,452	393	595
MiMo-V2.5	8.2	7.2	88.9%	1		20.25s	660	279	33,254

Pemanggilan alat	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	3.0	10.0	0.0%	0		26.43s	0	0	0
MiMo-V2.5	10.0	10.0	100.0%	0		7.29s	8,220	303	2,424

Pengetahuan umum	Skor	Konsistensi	Tingkat lulus per percobaan	Tes tidak stabil	Tes benar	Waktu respons (rata-rata)	Token input	Token output	Token penalaran
Ember-1	3.0	10.0	0.0%	0		30.60s	477	200	3,466
MiMo-V2.5	3.0	10.0	0.0%	0		51.29s	210	22	15,484

Ganti Pasangan Perbandingan