#25
Xiaomi
प्रकाशन: 2026-04-22
चाचणी तारीख: 2026-04-22 22:54
xiaomi/mimo-v2.5-pro::medium
(medium)
(none)
???? ???
$1.000 / 1M
????? ???
$3.000 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-05-08 15:28 सूट बदलला | 8.1 | 10.0 | $0.200 | तुलना करा | |
| 2026-04-22 22:54 पहिली नोंदलेली रन | 8.1 | लागू नाही | $0.201 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|
| 2026-04-22 22:54 · पहिली नोंदलेली रन | 8.1 | 8.8 | लागू नाही | 12/18 | 3 | 55,306 | $0.201 | 16.17s |
| 2026-05-08 15:28 · सूट बदलला | 8.1 | 9.2 | 10.0 | 12/18 | 2 | 54,791 | $0.200 | 16.23s |
| फरक | 0.0 | -0.4 | 0 | +1 | +515 | +$0.002 | -56ms |
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.
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
MiMo-V2.5-PromediumvsGrok 4.3mediumMiMo-V2.5-PromediumvsQwen3.6 PlusmediumMiMo-V2.5-PromediumvsQwen3.6 35B A3BmediumMiMo-V2.5-PromediumvsGemini 3.1 Flash Lite PreviewmediumMiMo-V2.5-PromediumvsGemini 3.1 Flash LitemediumMiMo-V2.5-PromediumvsGemini 3 Flash PreviewmediumMiMo-V2.5-PromediumvsGemini 3.5 FlashhighMiMo-V2.5-PromediumvsRing-2.6-1TmediumMiMo-V2.5-PromediumvsGemini 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 | 7.3 | 5.8 | |
| डोमेन-विशिष्ट | 5.3 | 10.0 | |
| Samanya Buddhimatta | 5.1 | 3.3 | |
| सूचनांचे पालन | 9.9 | 10.0 | |
| कोडी सोडवणे | 6.7 | 7.9 | |
| टूल कॉलिंग | 10.0 | 10.0 |