#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
230B în total (10B activi)MoEPonderi disponibile 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.
Date despre model
Documentat la 2026-08-12
- Parametri
- 230B în total (10B activi)
- Arhitectură
- MoE
- Disponibilitate
- Ponderi disponibile
- Licență
- MiniMax modified MIT
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).
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 |
|---|---|---|---|---|---|
| 2026-08-14 01:38 Retestare | 4.6 | 10.0 | $0.272 ↓ | Compară | |
| 2026-07-16 21:18 Test nou adăugat | 4.6 | 10.0 | $0.340 ↓ | 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 | Acoperire benchmark | 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 | 60/60 încercări | 5.4 | 6.1 | 8.3 | 5/20 | 10 | 360,672 | 0 | $0.305 | 50.25s |
| 2026-08-14 01:38 · Retestare | 66/66 încercări | 4.6 | 6.6 | 10.0 | 5/22 | 9 | 272,229 | 142,621 | $0.272 | 69.08s |
| Diferență | — | +0.9 | -0.5 | -1.7 | 0 | +1 | +88443 | -142621 | +$0.033 | -18828ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
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 Coder NextmediumMiniMax M2.5mediumDisponibil gratuitvsLaguna S 2.1noneDisponibil gratuitMiniMax M2.5mediumDisponibil gratuitvsMercury 2noneMiniMax M2.5mediumDisponibil gratuitvsGLM 4.7 FlashmediumMiniMax M2.5mediumDisponibil gratuitvsCobuddymediumMiniMax M2.5mediumDisponibil gratuitvsGrok 4.20noneMiniMax M2.5mediumDisponibil gratuitvsTrinity Large PreviewnoneMiniMax M2.5mediumDisponibil gratuitvsLing 3.0 TinynoneMiniMax M2.5mediumDisponibil gratuitvsGLM 4.7 FlashnoneMiniMax M2.5mediumDisponibil gratuitvsGranite 4.1 8Bnone
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 |