Navigasi
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

MiniMax: MiniMax M2.5 vs xAI: Grok 4.20 Multi-Agent Beta

Benchmark dihasilkan dari suite pengujian AI BENCHY pada: 2026-03-12

Metrik MiniMax M2.5 MiniMax M2.5 medium Rilis: 2026-02-12 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Rilis: 2026-03-12
Peringkat #49 #47
Skor Rata-rata 4.7 4.9
Konsistensi 5.6 7.1
Biaya per hasil 4.981 97.178
Total Biaya $0.250 $4.859
Tes benar
Tingkat lulus per percobaan 60.4% 52.1%
Tes tidak stabil 9 6
Total Run 48 48
Token output 107,044 293,634
Token penalaran 206,190 291,260
Waktu respons (rata-rata) 43.03s 9.08s
Waktu respons (maks) 237.27s 35.28s
Waktu respons (total) 387.25s 127.09s

Model teratas berdasarkan skor

Skor vs Total Biaya

Waktu respons (rata-rata)

Skor Rata-rata vs Waktu respons (rata-rata)

Total token output

Skor Rata-rata vs Total token output

Rincian Kategori

Trik anti-AI Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 9.3 7.9 88.9% 1 32.42s 286 45,112
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Gabungan Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 10.0 2.1 66.7% 1 60.39s 740 9,713
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
Parsing dan ekstraksi data Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 10.0 1.7 66.7% 2 7.48s 266 3,835
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Spesifik domain Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 10.0 4.4 22.2% 2 237.27s 105,047 133,487
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Kecerdasan umum Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 3.0 2.5 33.3% 1 6.63s 25 1,686
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Kepatuhan instruksi Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 8.0 6.8 83.3% 1 4.64s 252 1,873
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 4.0 7.2 44.4% 1 11.54s 159 9,547
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
Pemanggilan alat Skor Konsistensi Tingkat lulus per percobaan Tes tidak stabil Tes benar Waktu respons (rata-rata) Token output Token penalaran
MiniMax M2.5 10.0 10.0 100.0% 0 15.35s 269 937
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Perbandingan Cepat

Ganti Pasangan Perbandingan

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsQwen3.5-35B-A3BnoneSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsHunter AlphanoneQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsGPT-5.4noneMiniMax M2.5mediumvsQwen3.5-27BnoneSeed-2.0-LitenonevsMiniMax M2.5mediumMiniMax M2.5mediumvsGrok 4.20 BetanoneGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsQwen3.5-122B-A10Bnone