#30 MiMo-V2.5
medium- खर्च
- $0.002
- वेळ
- 54.8s
- टोकन्स
- 5,247 tok
Xiaomi
प्रकाशन: 2026-04-22
चाचणी तारीख: 2026-05-08 15:28
xiaomi/mimo-v2.5::medium
310B एकूण (15B सक्रिय)MoEमुक्त स्रोत
(medium)
(none)
सारांश
MiMo-V2.5 AI BENCHY वर 7.8 स्कोर करते आणि #30 वर आहे. याची reliability 10.0, pass rate 75.9%, एकूण खर्च $0.253, आणि सरासरी response time 14.40s आहे.
MiMo-V2.5 खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.
मॉडेलची माहिती
संशोधन दिनांक: 2026-08-12
- पॅरामीटर्स
- 310B एकूण (15B सक्रिय)
- आर्किटेक्चर
- MoE
- उपलब्धता
- मुक्त स्रोत
- परवाना
- MIT
7.8
सुसंगतता
8.6
10.0
$0.253
एकूण आउटपुट टोकन्स
119,028
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.400 / 1M
आउटपुट किंमत
$2.000 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-08-14 02:41 पुन्हा चाचणी | 6.4 | 10.0 | $0.104 ↓ | तुलना करा | |
| 2026-07-16 22:46 नवीन चाचणी जोडली | 6.5 | 10.0 | $0.082 ↓ | तुलना करा | |
| 2026-06-04 13:56 नवीन चाचणी जोडली | 7.3 | 10.0 | $0.063 ↓ | तुलना करा | |
| 2026-05-22 12:59 नवीन चाचणी जोडली | 7.4 | 10.0 | $0.346 | तुलना करा | |
| 2026-05-08 15:28 सूट बदलला | 7.8 | 10.0 | $0.253 | सध्याची रन | |
| 2026-04-22 22:54 पहिली नोंदलेली रन | 7.8 | लागू नाही | $0.253 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | बेंचमार्क कव्हरेज | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:28 · सूट बदलला | 54/54 प्रयत्न | 7.8 | 8.6 | 10.0 | 12/18 | 3 | 119,028 | 0 | $0.253 | 14.40s |
| 2026-04-22 22:54 · पहिली नोंदलेली रन | 54/54 प्रयत्न | 7.8 | 8.6 | लागू नाही | 12/18 | 3 | 119,082 | 0 | $0.253 | 13.71s |
| फरक | — | +0.1 | 0.0 | 0 | 0 | -54 | 0 | -$0.001 | +693ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
MiMo-V2.5mediumvsLongCat 2.0noneMiMo-V2.5mediumvsLing-3.0-flashhighMiMo-V2.5mediumvsDots 3 Note Previewhighमोफत उपलब्धMiMo-V2.5mediumvsRing-2.6-1TmediumMiMo-V2.5mediumvsDots 3 Note Previewlowमोफत उपलब्धMiMo-V2.5mediumvsSeed-2.0-LitenoneMiMo-V2.5mediumvsQwen3.6 Max PreviewnoneMiMo-V2.5mediumvsGemma 4 31Bmediumमोफत उपलब्धMiMo-V2.5mediumvsGemini 3.1 Flash Lite PreviewnoneMiMo-V2.5mediumvsGPT-5.6 Lunalow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 10.0 | 10.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 2.7 | 5.7 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 5.4 | 2.5 | |
| सूचनांचे पालन | 9.9 | 10.0 | |
| कोडी सोडवणे | 8.2 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |