Navigare
AI BENCHY
Advertise here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs Xiaomi: MiMo-V2.5

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-05-22

Metrică Claude Opus 4.6 Claude Opus 4.6 medium Lansare: 2026-02-05 MiMo-V2.5 MiMo-V2.5 medium Lansare: 2026-04-22
Scor 7.2 7.4
Rang #63 #53
Fiabilitate 10.0 10.0
Consistență 9.1 8.4
Teste corecte
Rată de trecere pe încercare 63.3% 70.0%
Teste instabile 2 4
Rulări totale 60 60
Cost per rezultat 15.798 2.877
Cost total $1.896 $0.346
Preț de intrare $5.000 / 1M $0.400 / 1M
Preț de ieșire $25.000 / 1M $2.000 / 1M
Tokenuri de ieșire 42,253 2,891
Tokenuri de raționament 23,561 161,845
Timp de răspuns (mediu) 25.44s 20.40s
Timp de răspuns (maxim) 83.40s 97.49s
Timp de răspuns (total) 330.70s 407.98s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor vs Total tokenuri de ieșire

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
MiMo-V2.5 10.0 10.0 100.0% 0 4.14s 281 1,739
Programare Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.2 9.8 50.0% 0 29.37s 7,865 3,675
MiMo-V2.5 6.9 6.2 66.7% 1 64.48s 536 44,967
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
MiMo-V2.5 10.0 10.0 100.0% 0 16.86s 363 7,609
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
MiMo-V2.5 2.7 5.7 16.7% 1 6.33s 306 5,714
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
MiMo-V2.5 5.3 10.0 33.3% 0 34.53s 507 49,478
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
MiMo-V2.5 5.4 2.5 66.7% 1 5.37s 121 418
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
MiMo-V2.5 9.9 10.0 100.0% 0 1.80s 88 801
Rezolvare de puzzle-uri Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
MiMo-V2.5 8.2 7.2 88.9% 1 20.60s 364 33,211
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
MiMo-V2.5 10.0 10.0 100.0% 0 7.29s 303 2,424
Cultură generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
Claude Opus 4.6 3.0 10.0 0.0% 0 63.24s 8,045 2,452
MiMo-V2.5 3.0 10.0 0.0% 0 51.29s 22 15,484

Comparație rapidă

Schimbă perechea de comparație

GPT-5.3 ChatnonevsMiMo-V2.5mediumDeepSeek V4 FlashhighDisponibil gratuitvsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsMiMo-V2.5mediumClaude Opus 4.6mediumvsRing-2.6-1TnoneGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneRing-2.6-1TnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsDeepSeek V4 FlashhighDisponibil gratuitClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGPT-5.2 ChatnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5medium