#138 MiMo-V2.5
none- Cost
- $0.007
- Time
- 267.4s
- Tokens
- 25,283 tok
सारांश
MiMo-V2.5 AI BENCHY वर 4.9 स्कोर करते आणि #138 वर आहे. याची reliability 10.0, pass rate 28.1%, एकूण खर्च $0.019, आणि सरासरी response time 2.02s आहे.
MiMo-V2.5 खास का आहे: हे कोडिंग मध्ये सर्वाधिक उठून दिसते, जिथे त्याचा rank #1 आहे; तर डोमेन-विशिष्ट हा सर्वात कमकुवत भाग आहे, rank #10.
4.9
सुसंगतता
9.2
10.0
$0.019
एकूण आउटपुट टोकन्स
2,231
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$0.400 / 1M
आउटपुट किंमत
$2.000 / 1M
अस्थिर चाचण्या
2
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 13:48 नवीन चाचणी जोडली | 4.9 | 10.0 | $0.007 ↓ | तुलना करा | |
| 2026-05-22 12:51 नवीन चाचणी जोडली | 4.8 | 10.0 | $0.021 | तुलना करा | |
| 2026-05-08 15:33 सूट बदलला | 4.9 | 10.0 | $0.019 | सध्याची रन | |
| 2026-04-22 21:39 पहिली नोंदलेली रन | 5.1 | लागू नाही | $0.019 | तुलना करा |
या रनमध्ये वेगळा बेंचमार्क सूट वापरला गेला. ऐतिहासिक बदल वाचताना सूटमधील बदल लक्षात घ्या.
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-08 15:33 · सूट बदलला | 4.9 | 9.2 | 10.0 | 4/19 | 2 | 2,231 | 0 | $0.019 | 2.02s |
| 2026-06-04 13:48 · नवीन चाचणी जोडली | 4.9 | 9.6 | 10.0 | 5/21 | 1 | 2,267 | 41,985 | $0.007 | 2.20s |
| फरक | 0.0 | -0.4 | 0.0 | -1 | +1 | -36 | -41985 | +$0.013 | -177ms |
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-V2.5nonevsQwen3.6 27BnoneMiMo-V2.5nonevsQwen3.5-27BnoneMiMo-V2.5nonevsCobuddymediumMiMo-V2.5nonevsQwen3.5 Plus 2026-04-20noneMiMo-V2.5nonevsGemini 3 Flash PreviewmediumMiMo-V2.5nonevsGemini 3.5 FlashhighMiMo-V2.5nonevsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धMiMo-V2.5nonevsGemini 3.5 Flashlow
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 3.5 | 8.0 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 3.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 6.5 | 10.0 | |
| डोमेन-विशिष्ट | 3.0 | 10.0 | |
| Samanya Buddhimatta | 4.4 | 9.9 | |
| सूचनांचे पालन | 6.5 | 10.0 | |
| कोडी सोडवणे | 4.2 | 7.7 | |
| टूल कॉलिंग | 10.0 | 10.0 | |
| सामान्य ज्ञान | 3.0 | 10.0 |