#46 MiMo-V2-Flash
medium
غلط SVG
- لاگت
- $0.020
- وقت
- 284.1s
- ٹوکنز
- 65,689 tok
Xiaomi
اجرا: 2025-12-16
ٹیسٹ کیا گیا: 2026-04-11 01:44
xiaomi/mimo-v2-flash::medium
309B کل (15B فعال)MoEکھلا ماخذ
(medium)
(none)
خلاصہ
MiMo-V2-Flash AI BENCHY پر 7.5 اسکور کرتا ہے اور #46 پر ہے۔ اس کی reliability دستیاب نہیں، pass rate 70.4%، کل لاگت $0.038، اور اوسط response time 23.36s ہے۔
MiMo-V2-Flash کو منفرد کیا بناتا ہے: یہ ہدایات کی پیروی میں سب سے نمایاں ہے، جہاں اس کا rank #1 ہے؛ جبکہ کوڈنگ اس کا کمزور ترین حصہ ہے، rank #18. اس score range کے لیے اس کی کل benchmark لاگت غیر معمولی طور پر کم ہے۔
آرکائیو شدہ ماڈل: اس ماڈل کو اب اپ ڈیٹ نہیں کیا جائے گا اور نئے ٹیسٹس پر ٹیسٹ نہیں کیا جائے گا
ماڈل کی تفصیلات
تحقیق کی تاریخ: 2026-08-12
- پیرامیٹرز
- 309B کل (15B فعال)
- ساخت
- MoE
- دستیابی
- کھلا ماخذ
- لائسنس
- MIT
7.5
تسلسل
8.6
دستیاب نہیں
$0.038
کل آؤٹ پٹ ٹوکنز
127,569
کل ان پٹ ٹوکنز
0
ان پٹ قیمت
$0.090 / 1M
آؤٹ پٹ قیمت
$0.290 / 1M
غیر مستحکم ٹیسٹ
3
غیر مستحکم ٹیسٹس میں رنز کے درمیان ملے جلے نتائج آئے (کم از کم ایک کامیاب اور ایک ناکام).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
رن ہسٹری
| ٹیسٹ کیا گیا | اسکور | اعتماد پذیری | درست ٹیسٹس | کل لاگت | موازنہ کریں |
|---|---|---|---|---|---|
| 2026-06-04 13:48 نیا ٹیسٹ شامل ہوا | 6.3 | 10.0 | $0.043 ↑ | موازنہ کریں | |
| 2026-05-22 00:20 سوٹ بدل گیا | 7.1 | 10.0 | $0.038 | موازنہ کریں | |
| 2026-04-11 01:44 پہلا ریکارڈ شدہ رن | 7.5 | دستیاب نہیں | $0.038 | موجودہ رن |
رن موازنہ
| رن | بینچ مارک کوریج | اسکور | تسلسل | اعتماد پذیری | درست ٹیسٹس | غیر مستحکم ٹیسٹ | کل آؤٹ پٹ ٹوکنز | کل ان پٹ ٹوکنز | کل لاگت | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · پہلا ریکارڈ شدہ رن | 54/54 کوششیں | 7.5 | 8.6 | دستیاب نہیں | 11/18 | 3 | 127,569 | 0 | $0.038 | 23.36s |
| 2026-06-04 13:48 · نیا ٹیسٹ شامل ہوا | 63/63 کوششیں | 6.3 | 8.4 | 10.0 | 12/21 | 3 | 137,515 | 40,111 | $0.043 | 20.11s |
| فرق | — | +1.2 | +0.2 | -1 | 0 | -9946 | -40111 | -$0.006 | +3255ms |
بینچ مارک کوریج مختلف ہے: 54/54 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔) بمقابلہ 63/63 کوششیں (ہدف: فی ٹیسٹ 3 دہرائیاں۔)۔ مجموعے اور تکرار سے متاثر ہونے والے پیمانے براہ راست قابل موازنہ نہیں ہیں۔
ان دو رنز میں مختلف بینچ مارک سوٹس استعمال ہوئے تھے، اس لیے فرق میں ماڈل کی تبدیلی اور سوٹ کی تبدیلی دونوں شامل ہیں۔
چارٹس
پہلا ماڈل منتخب کریں، پھر دوسرا ماڈل کلک کریں تاکہ سائیڈ بائی سائیڈ صفحہ کھلے۔
اسکور کے لحاظ سے سرفہرست ماڈلز
اسکور vs کل لاگت
ردِعمل کا وقت (اوسط)
اسکور vs ردِعمل کا وقت (اوسط)
کل آؤٹ پٹ ٹوکنز
اسکور vs کل آؤٹ پٹ ٹوکنز
زمرہ وار تفصیل
| زمرہ | اسکور | تسلسل | درست ٹیسٹس |
|---|---|---|---|
| اینٹی اے آئی چالیں | 8.1 | 7.9 | |
| کوڈنگ | 4.7 | 1.6 | |
| مشترکہ | 9.8 | 10.0 | |
| ڈیٹا پارسنگ اور استخراج | 6.5 | 10.0 | |
| ڈومین مخصوص | 5.9 | 7.2 | |
| عمومی ذہانت | 4.0 | 10.0 | |
| ہدایات کی پیروی | 10.0 | 10.0 | |
| پہیلی حل کرنا | 7.7 | 10.0 | |
| ٹول کالنگ | 10.0 | 10.0 |