#37 MiMo-V2-Pro
medium
This model has been deprecated. It is recommended to migrate to xiaomi/mimo-v2.5-pro
- Biaya
- $0.000
- Waktu
- 0.1s
- Token
- 0 tok
Ringkasan
Mimo V2 PRO mendapat skor 7.7 di AI BENCHY dan berada di peringkat #37. Model ini memiliki reliabilitas 9.4, tingkat keberhasilan 77.2%, total biaya $0.212, dan waktu respons rata-rata 16.18s.
Model diarsipkan: model ini tidak lagi diperbarui atau diuji pada pengujian baru.
Catatan identitas
Hunter Alpha adalah versi stealth dari Mimo V2 PRO.
7.7
Konsistensi
8.2
9.4
$0.212
Total token output
58,330
Total token input
0
Harga input
$1.000 / 1M
Harga output
$3.000 / 1M
Tes tidak stabil
4
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 13:47 Tes baru ditambahkan | 6.3 | 9.6 | $0.333 ↑ | Bandingkan | |
| 2026-05-22 00:25 Suite berubah | 7.6 | 9.5 | $0.295 | Bandingkan | |
| 2026-05-08 15:32 Suite berubah | 7.7 | 9.4 | $0.212 | Run saat ini | |
| 2026-04-11 01:44 Run pertama yang tercatat | 8.1 | T/A | $0.159 | Bandingkan |
Run ini menggunakan suite benchmark yang berbeda. Perhatikan perubahan suite saat membaca pergerakan historis.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:32 · Suite berubah | 19/19 tes · 57/57 percobaan | 7.7 | 8.2 | 9.4 | 12/19 | 4 | 58,330 | 0 | $0.212 | 16.18s |
| 2026-04-11 01:44 · Run pertama yang tercatat | 18/18 tes · 48/54 percobaan | 8.1 | 8.6 | T/A | 12/18 | 3 | 40,680 | 0 | $0.159 | 12.27s |
| Selisih | — | -0.4 | -0.4 | 0 | +1 | +17650 | 0 | +$0.054 | +3915ms |
Cakupan benchmark berbeda: 19/19 tes · 57/57 percobaan (Target: 3 pengulangan per tes) dibanding 18/18 tes · 48/54 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 | 10.0 | 10.0 | |
| Pemrograman | 10.0 | 10.0 | |
| Gabungan | 4.7 | 1.6 | |
| Parsing dan ekstraksi data | 7.3 | 5.8 | |
| Spesifik domain | 5.3 | 10.0 | |
| Kecerdasan umum | 10.0 | 10.0 | |
| Kepatuhan instruksi | 9.9 | 10.0 | |
| Pemecahan teka-teki | 6.4 | 4.4 | |
| Pemanggilan alat | 10.0 | 10.0 | |
| Pengetahuan umum | 3.0 | 10.0 |