#38 MiMo-V2.5
medium- Cost
- $0.002
- Time
- 54.8s
- Tokens
- 5,247 tok
सारांश
MiMo-V2.5 AI BENCHY वर 7.8 स्कोर करते आणि #38 वर आहे. याची reliability लागू नाही, pass rate 74.1%, एकूण खर्च $0.253, आणि सरासरी response time 13.71s आहे.
MiMo-V2.5 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डेटा पार्सिंग आणि निष्कर्षण हा सर्वात कमकुवत भाग आहे, rank #16.
7.8
सुसंगतता
8.6
लागू नाही
$0.253
एकूण आउटपुट टोकन्स
119,082
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).
Generation showcase
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 |
|---|---|---|---|---|---|
| 2026-06-04 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 | तुलना करा | |
| 2026-04-22 22:54 पहिली नोंदलेली रन | 7.8 | लागू नाही | $0.253 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-22 22:54 · पहिली नोंदलेली रन | 7.8 | 8.6 | लागू नाही | 12/18 | 3 | 119,082 | 0 | $0.253 | 13.71s |
| 2026-06-04 13:56 · नवीन चाचणी जोडली | 7.3 | 8.1 | 10.0 | 12/21 | 5 | 201,725 | 41,838 | $0.063 | 27.11s |
| फरक | +0.5 | +0.5 | 0 | -2 | -82643 | -41838 | +$0.190 | -13406ms |
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-V2.5mediumvsGemini 3 Flash PreviewnoneMiMo-V2.5mediumvsGemini 3.1 Flash Lite PreviewlowMiMo-V2.5mediumvsGrok Build 0.1mediumMiMo-V2.5mediumvsQwen3.6 35B A3BmediumMiMo-V2.5mediumvsClaude Sonnet 4.6mediumMiMo-V2.5mediumvsGemini 3 Flash PreviewmediumMiMo-V2.5mediumvsGemini 3.5 FlashhighMiMo-V2.5mediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धMiMo-V2.5mediumvsGemini 3.5 Flashlow
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 | 3.8 | 2.5 | |
| सूचनांचे पालन | 9.9 | 10.0 | |
| कोडी सोडवणे | 8.2 | 7.2 | |
| टूल कॉलिंग | 10.0 | 10.0 |