#133 MiniMax M2.7
medium- Cost
- $0.022
- Timp
- 22.8s
- Tokenuri
- 9,250 tok
Minimax
Lansare: 2026-03-18
Testat la: 2026-05-21 23:52
minimax/minimax-m2.7::medium
Rezumat
MiniMax M2.7 obține 5.0 pe AI BENCHY și este pe #133. Are fiabilitate 8.3, rată de reușită 46.7%, cost total $0.104 și timp mediu de răspuns 29.96s.
Ce face MiniMax M2.7 unic: Se remarcă cel mai mult la Programare, unde este pe #1, iar Parsare și extragere de date este zona cea mai slabă, la #16.
5.0
Consistență
5.9
8.3
$0.104
Total tokenuri de ieșire
81,525
Total tokenuri de intrare
0
Preț de intrare
$0.279 / 1M
Preț de ieșire
$1.200 / 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 |
|---|---|---|---|---|---|
| 2026-07-16 21:18 Test nou adăugat | 5.0 | 10.0 | $0.196 | Compară | |
| 2026-06-04 13:26 Test nou adăugat | 5.3 | 7.8 | $0.124 ↓ | Compară | |
| 2026-05-21 23:52 Suită modificată | 5.0 | 8.3 | $0.104 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 5.3 | N/D | $0.091 | 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 23:52 · Suită modificată | 20/20 teste · 60/60 încercări | 5.0 | 5.9 | 8.3 | 4/20 | 10 | 81,525 | 0 | $0.104 | 29.96s |
| 2026-06-04 13:26 · Test nou adăugat | 21/21 teste · 63/63 încercări | 5.3 | 6.5 | 7.8 | 5/21 | 9 | 98,793 | 34,371 | $0.124 | 38.18s |
| Diferență | — | -0.2 | -0.6 | +0.5 | -1 | +1 | -17268 | -34371 | -$0.021 | -8215ms |
Acoperirea benchmark diferă: 20/20 teste · 60/60 încercări (Țintă: 3 repetări per test) față de 21/21 teste · 63/63 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 M2.7mediumvsNorth Mini CodenoneDisponibil gratuitMiniMax M2.7mediumvsLaguna S 2.1lowDisponibil gratuitMiniMax M2.7mediumvsQwen3.5-9BnoneMiniMax M2.7mediumvsDeepSeek V3.2noneMiniMax M2.7mediumvsMiMo-V2.5noneMiniMax M2.7mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsMistral Small 4mediumMiniMax M2.7mediumvsGLM 4.7 FlashnoneMiniMax M2.7mediumvsQwen3 Coder NextnoneMiniMax M2.7mediumvsNemotron 3 SupernoneDisponibil gratuit
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 7.9 | 6.3 | |
| Programare | 6.7 | 9.6 | |
| Combinat | 4.7 | 1.6 | |
| Parsare și extragere de date | 6.3 | 5.8 | |
| Specific domeniului | 3.0 | 10.0 | |
| Inteligență generală | 3.9 | 2.5 | |
| Respectarea instrucțiunilor | 3.8 | 1.6 | |
| Rezolvare de puzzle-uri | 3.5 | 4.4 | |
| Apelare instrumente | 4.7 | 1.6 | |
| Cultură generală | 3.0 | 10.0 |