#119 MiniMax M2.5
medium
SVG invalid
- Cost
- $0.000
- Timp
- 300.0s
- Tokenuri
- 0 tok
Minimax
Lansare: 2026-02-12
Testat la: 2026-05-21 23:48
minimax/minimax-m2.5::medium
Rezumat
MiniMax M2.5 obține 5.4 pe AI BENCHY și este pe #119. Are fiabilitate 8.3, rată de reușită 50.0%, cost total $0.305 și timp mediu de răspuns 50.25s.
Ce face MiniMax M2.5 unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Programare este zona cea mai slabă, la #11. Folosește neobișnuit de multe tokenuri de raționament, ceea ce poate explica rulări mai lente sau mai scumpe.
5.4
Consistență
6.1
8.3
$0.305
Total tokenuri de ieșire
360,672
Total tokenuri de intrare
0
Preț de intrare
$0.150 / 1M
Preț de ieșire
$1.150 / 1M
Teste instabile
10
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Prezentare generare
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-06-04 13:23 Test nou adăugat | 5.3 | 8.9 | $0.385 ↓ | Compară | |
| 2026-05-21 23:48 Suită modificată | 5.4 | 8.3 | $0.305 | Rularea curentă | |
| 2026-04-20 17:48 Prima rulare înregistrată | 5.7 | N/D | $0.250 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Comparație între rulări
| Rulare | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-05-21 23:48 · Suită modificată | 5.4 | 6.1 | 8.3 | 5/20 | 10 | 360,672 | 0 | $0.305 | 50.25s |
| 2026-06-04 13:23 · Test nou adăugat | 5.3 | 6.2 | 8.9 | 5/21 | 10 | 440,309 | 43,706 | $0.385 | 65.37s |
| Diferență | +0.1 | -0.1 | -0.6 | 0 | 0 | -79637 | -43706 | -$0.081 | -15111ms |
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
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
Comparație rapidă
MiniMax M2.5mediumDisponibil gratuitvsQwen3.5 Plus 2026-04-20noneMiniMax M2.5mediumDisponibil gratuitvsLaguna XS 2.1noneDisponibil gratuitMiniMax M2.5mediumDisponibil gratuitvsGemma 4 26B A4BnoneDisponibil gratuitMiniMax M2.5mediumDisponibil gratuitvsGPT-5.4 MininoneMiniMax M2.5mediumDisponibil gratuitvsQwen3.6 27BnoneMiniMax M2.5mediumDisponibil gratuitvsQwen3.5-122B-A10BnoneMiniMax M2.5mediumDisponibil gratuitvsGemini 3.5 FlashhighMiniMax M2.5mediumDisponibil gratuitvsGemini 3 Flash PreviewmediumMiniMax M2.5mediumDisponibil gratuitvsNemotron 3 Ultra 550b A55bmediumDisponibil gratuitMiniMax M2.5mediumDisponibil gratuitvsGPT-5.5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 7.9 | 6.3 | |
| Programare | 3.5 | 9.8 | |
| Combinat | 4.5 | 2.1 | |
| Parsare și extragere de date | 4.6 | 1.7 | |
| Specific domeniului | 2.9 | 4.4 | |
| Inteligență generală | 3.8 | 2.5 | |
| Respectarea instrucțiunilor | 7.5 | 6.7 | |
| Rezolvare de puzzle-uri | 5.3 | 7.2 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |