Navigare
AI BENCHY
Your ad here

AI BENCHY Compare

MiniMax: MiniMax M2.5 vs xAI: Grok 4.20 Multi-Agent Beta

Benchmark-urile au fost generate din suitele de teste AI BENCHY la: 2026-03-12

Metrică MiniMax M2.5 MiniMax M2.5 medium Lansare: 2026-02-12 Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium Lansare: 2026-03-12
Rang #49 #47
Scor mediu 4.7 4.9
Consistență 5.6 7.1
Cost per rezultat 4.981 97.178
Cost total $0.250 $4.859
Teste corecte
Rată de trecere pe încercare 60.4% 52.1%
Teste instabile 9 6
Rulări totale 48 48
Tokenuri de ieșire 107,044 293,634
Tokenuri de raționament 206,190 291,260
Timp de răspuns (mediu) 43.03s 9.08s
Timp de răspuns (maxim) 237.27s 35.28s
Timp de răspuns (total) 387.25s 127.09s

Top modele după scor

Scor vs cost total

Timp de răspuns (mediu)

Scor mediu vs Timp de răspuns (mediu)

Total tokenuri de ieșire

Scor mediu 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
MiniMax M2.5 9.3 7.9 88.9% 1 32.42s 286 45,112
Grok 4.20 Multi-Agent Beta 4.0 4.4 66.7% 2 3.77s 28,392 27,808
Combinat Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 10.0 2.1 66.7% 1 60.39s 740 9,713
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0
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
MiniMax M2.5 10.0 1.7 66.7% 2 7.48s 266 3,835
Grok 4.20 Multi-Agent Beta 9.9 10.0 100.0% 0 5.54s 25,306 25,051
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 10.0 4.4 22.2% 2 237.27s 105,047 133,487
Grok 4.20 Multi-Agent Beta 10.0 7.2 11.1% 1 24.67s 164,609 163,647
Inteligență generală Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 3.0 2.5 33.3% 1 6.63s 25 1,686
Grok 4.20 Multi-Agent Beta 4.0 2.8 66.7% 1 6.40s 15,848 15,746
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 8.0 6.8 83.3% 1 4.64s 252 1,873
Grok 4.20 Multi-Agent Beta 9.0 10.0 50.0% 0 4.63s 25,457 25,322
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 4.0 7.2 44.4% 1 11.54s 159 9,547
Grok 4.20 Multi-Agent Beta 6.3 5.1 77.8% 2 5.01s 34,022 33,686
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Timp de răspuns (mediu) Tokenuri de ieșire Tokenuri de raționament
MiniMax M2.5 10.0 10.0 100.0% 0 15.35s 269 937
Grok 4.20 Multi-Agent Beta 10.0 10.0 0.0% 0 0ms 0 0

Comparație rapidă

Schimbă perechea de comparație

Qwen3.5-27BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsQwen3.5-35B-A3BnoneSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsHunter AlphanoneQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsGPT-5.4noneMiniMax M2.5mediumvsQwen3.5-27BnoneSeed-2.0-LitenonevsMiniMax M2.5mediumMiniMax M2.5mediumvsGrok 4.20 BetanoneGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumMiniMax M2.5mediumvsQwen3.5-122B-A10Bnone