MiniMax: MiniMax M2.5

Benchmark-urile au fost generate din suitele de teste Aibenchy la : 19 feb. 2026

Defalcare pe categorii

Categorie	Teste trecute complet	Score	Consistență	Rată de trecere pe încercare	Teste instabile	Scor de raționament	Cost
Anti-AI Tricks	2/2	10.00	10.00	100.0%	0	7.58	$0.00902
Data parsing and extraction	1/2	5.50	5.81	83.3%	1	9.45	$0.00774
Domain specific	0/3	1.00	4.41	22.2%	2	6.06	$0.16952
Instructions following	1/2	7.00	6.41	66.7%	1	8.33	$0.00307
Puzzle Solving	1/3	4.33	4.79	55.5%	2	8.28	$0.01205

Compară MiniMax: MiniMax M2.5 cu...

#16 · Anthropic

Raționament (medium)

Score: 5.42

Consistență: 8.60

Rată de trecere pe încercare: 55.5%

Teste instabile: 2

Cost per rezultat: 12.8695

Teste corecte: 6/12

Cost total: $0.77217

#18 · Stepfun

Raționament (medium)

Score: 4.92

Consistență: 7.34

Rată de trecere pe încercare: 58.3%

Teste instabile: 4

Cost per rezultat: 0.0000

Teste corecte: 5/12

Cost total: $0.00000

#15 · Z.ai

Fără raționament

Score: 5.42

Consistență: 10.00

Rată de trecere pe încercare: 50.0%

Teste instabile: 0

Cost per rezultat: 0.0704

Teste corecte: 6/12

Cost total: $0.00423

Compară MiniMax: MiniMax M2.5 cu...