#46 MiMo-V2-Flash
medium
SVG tidak valid
- Biaya
- $0.020
- Waktu
- 284.1s
- Token
- 65,689 tok
Xiaomi
Rilis: 2025-12-16
Diuji pada: 2026-04-11 01:44
xiaomi/mimo-v2-flash::medium
309B total (15B aktif)MoESumber terbuka
(medium)
(none)
Ringkasan
MiMo-V2-Flash mendapat skor 7.5 di AI BENCHY dan berada di peringkat #46. Model ini memiliki reliabilitas T/A, tingkat keberhasilan 70.4%, total biaya $0.038, dan waktu respons rata-rata 23.36s.
Yang membuat MiMo-V2-Flash unik: Model ini paling menonjol di Kepatuhan instruksi, dengan peringkat #1, sementara Pemrograman adalah area terlemahnya di #18. Total biaya benchmark-nya sangat rendah untuk kisaran skornya.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Fakta model
Ditelaah pada 2026-08-12
- Parameter
- 309B total (15B aktif)
- Arsitektur
- MoE
- Ketersediaan
- Sumber terbuka
- Lisensi
- MIT
7.5
Konsistensi
8.6
T/A
$0.038
Total token output
127,569
Total token input
0
Harga input
$0.090 / 1M
Harga output
$0.290 / 1M
Tes tidak stabil
3
Tes tidak stabil memiliki hasil campuran antar run (setidaknya satu lulus dan satu gagal).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Riwayat run
| Diuji pada | Skor | Keandalan | Tes benar | Total Biaya | Bandingkan |
|---|---|---|---|---|---|
| 2026-06-04 13:48 Tes baru ditambahkan | 6.3 | 10.0 | $0.043 ↑ | Bandingkan | |
| 2026-05-22 00:20 Suite berubah | 7.1 | 10.0 | $0.038 | Bandingkan | |
| 2026-04-11 01:44 Run pertama yang tercatat | 7.5 | T/A | $0.038 | Run saat ini |
Perbandingan run
| Run | Cakupan benchmark | Skor | Konsistensi | Keandalan | Tes benar | Tes tidak stabil | Total token output | Total token input | Total Biaya | Waktu respons (rata-rata) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · Run pertama yang tercatat | 54/54 percobaan | 7.5 | 8.6 | T/A | 11/18 | 3 | 127,569 | 0 | $0.038 | 23.36s |
| 2026-05-22 00:20 · Suite berubah | 60/60 percobaan | 7.1 | 8.7 | 10.0 | 11/20 | 3 | 127,609 | 0 | $0.038 | 20.26s |
| Selisih | — | +0.4 | -0.1 | 0 | 0 | -40 | 0 | -$0.001 | +3099ms |
Cakupan benchmark berbeda: 54/54 percobaan (Target: 3 pengulangan per tes) dibanding 60/60 percobaan (Target: 3 pengulangan per tes). Total dan metrik yang dipengaruhi pengulangan tidak dapat dibandingkan secara langsung.
Kedua run ini menggunakan suite benchmark yang berbeda, jadi selisihnya mencerminkan perubahan model sekaligus perubahan suite.
Grafik
Pilih model pertama, lalu klik model kedua untuk membuka halaman berdampingan.
Model teratas berdasarkan skor
Skor vs Total Biaya
Waktu respons (rata-rata)
Skor vs Waktu respons (rata-rata)
Total token output
Skor vs Total token output
Rincian Kategori
| Kategori | Skor | Konsistensi | Tes benar |
|---|---|---|---|
| Trik anti-AI | 8.1 | 7.9 | |
| Pemrograman | 4.7 | 1.6 | |
| Gabungan | 9.8 | 10.0 | |
| Parsing dan ekstraksi data | 6.5 | 10.0 | |
| Spesifik domain | 5.9 | 7.2 | |
| Kecerdasan umum | 4.0 | 10.0 | |
| Kepatuhan instruksi | 10.0 | 10.0 | |
| Pemecahan teka-teki | 7.7 | 10.0 | |
| Pemanggilan alat | 10.0 | 10.0 |