AI BENCHY Compare
OpenAI: GPT-5.3-Codex vs Xiaomi: MiMo-V2.5-Pro
ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-05-08
| 指標 | GPT-5.3-Codex GPT-5.3-Codex medium | MiMo-V2.5-Pro MiMo-V2.5-Pro medium |
|---|---|---|
| スコア | 8.2 | 8.1 |
| 順位 | #13 | #18 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.3 | 9.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 80.7% | 74.1% |
| 不安定なテスト | 4 | 2 |
| 総実行回数 | 57 | 54 |
| 結果あたりのコスト | 4.594 | 1.661 |
| 合計コスト | $0.598 | $0.200 |
| ???? | $1.750 / 1M | $1.000 / 1M |
| ???? | $14.000 / 1M | $3.000 / 1M |
| 出力トークン | 2,309 | 2,790 |
| 推論トークン | 36,880 | 52,001 |
| 応答時間（平均） | 15.33s | 16.23s |
| 応答時間（最大） | 100.93s | 84.22s |
| 応答時間（合計） | 291.34s | 292.10s |
スコア vs 総コスト
応答時間（平均）
スコア vs 応答時間（平均）
合計出力トークン
スコア vs 合計出力トークン
カテゴリ内訳
| 反AIトリック | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.26s | 323 | 1,179 |
| コーディング | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 32.58s | 543 | 7,485 |
| 複合 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 53.36s | 348 | 11,870 |
| データ解析と抽出 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| MiMo-V2.5-Pro | 7.3 | 5.8 | 83.3% | 1 | 18.81s | 260 | 8,383 |
| ドメイン特化 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 37.87s | 275 | 17,023 |
| 汎用知能 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| MiMo-V2.5-Pro | 5.5 | 10.0 | 0.0% | 0 | 4.02s | 155 | 163 |
| 指示追従 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 | |
| MiMo-V2.5-Pro | 9.9 | 10.0 | 100.0% | 0 | 2.77s | 82 | 803 |
| パズル解決 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| MiMo-V2.5-Pro | 6.7 | 7.9 | 55.6% | 1 | 5.16s | 493 | 2,187 |
| ツール呼び出し | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 16.87s | 311 | 2,908 |
| 雑学 | スコア | 一貫性 | 試行ごとの合格率 | 不安定なテスト | 正解テスト | 応答時間（平均） | 出力トークン | 推論トークン |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 | |
| MiMo-V2.5-Pro | - | - | - | - | - | - | - | - |
クイック比較
比較ペアを切り替え
Gemini 3 Flash PreviewnonevsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5-PromediumGPT-5.2 ChatnonevsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsMiMo-V2.5-PromediumGPT-5.3 ChatnonevsMiMo-V2.5-PromediumDeepSeek V4 FlashhighvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash LitelowvsGPT-5.3-Codexmedium