#107 MiMo-V2-Pro
none
This model has been deprecated. It is recommended to migrate to xiaomi/mimo-v2.5-pro
- Cost
- $0.000
- Timp
- 0.1s
- Tokenuri
- 0 tok
Rezumat
Mimo V2 PRO obține 5.7 pe AI BENCHY și este pe #107. Are fiabilitate 10.0, rată de reușită 43.3%, cost total $0.047 și timp mediu de răspuns 2.31s.
Ce face Mimo V2 PRO unic: Se remarcă cel mai mult la Programare, unde este pe #4, iar Trucuri anti-AI este zona cea mai slabă, la #16. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor. Este vizibil rapid față de modele similare.
Model arhivat: acest model nu mai este actualizat și nu mai este testat pe teste noi.
Notă de identitate
Hunter Alpha a fost versiunea stealth a lui Mimo V2 PRO.
5.7
Consistență
8.7
10.0
$0.047
Total tokenuri de ieșire
2,371
Total tokenuri de intrare
0
Preț de intrare
$1.000 / 1M
Preț de ieșire
$3.000 / 1M
Teste instabile
3
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 |
|---|---|---|---|---|---|
| 2026-06-04 13:47 Test nou adăugat | 5.6 | 10.0 | $0.045 ↓ | Compară | |
| 2026-05-22 00:20 Suită modificată | 5.7 | 10.0 | $0.047 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 6.0 | N/D | $0.043 | 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:20 · Suită modificată | 20/20 teste · 60/60 încercări | 5.7 | 8.7 | 10.0 | 7/20 | 3 | 2,371 | 0 | $0.047 | 2.31s |
| 2026-06-04 13:47 · Test nou adăugat | 21/21 teste · 63/63 încercări | 5.6 | 8.4 | 10.0 | 7/21 | 3 | 2,352 | 39,344 | $0.045 | 2.27s |
| Diferență | — | +0.1 | +0.3 | 0.0 | 0 | 0 | +19 | -39344 | +$0.002 | +34ms |
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
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 3.5 | 8.0 | |
| Programare | 6.8 | 10.0 | |
| Combinat | 3.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.3 | 7.2 | |
| Inteligență generală | 4.3 | 9.9 | |
| Respectarea instrucțiunilor | 6.5 | 10.0 | |
| Rezolvare de puzzle-uri | 6.0 | 7.1 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |