AI BENCHY 对比
Anthropic: Claude Opus 4.6 vs Xiaomi: MiMo-V2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | MiMo-V2.5 MiMo-V2.5 medium |
|---|---|---|
| 分数 | 7.2 | 7.4 |
| 排名 | #63 | #53 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 8.4 |
| 测试正确 | ||
| 尝试通过率 | 63.3% | 70.0% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 15.798 | 2.877 |
| 总成本 | $1.896 | $0.346 |
| ???? | $5.000 / 1M | $0.400 / 1M |
| ???? | $25.000 / 1M | $2.000 / 1M |
| 输出令牌 | 42,253 | 2,891 |
| 推理令牌 | 23,561 | 161,845 |
| 响应时间（平均） | 25.44s | 20.40s |
| 响应时间（最大） | 83.40s | 97.49s |
| 响应时间（总计） | 330.70s | 407.98s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 6.4 | 5.8 | 66.7% | 2 | 7.45s | 986 | 1,071 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 4.14s | 281 | 1,739 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.2 | 9.8 | 50.0% | 0 | 29.37s | 7,865 | 3,675 | |
| MiMo-V2.5 | 6.9 | 6.2 | 66.7% | 1 | 64.48s | 536 | 44,967 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 76.66s | 8,178 | 5,194 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 16.86s | 363 | 7,609 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.37s | 691 | 757 | |
| MiMo-V2.5 | 2.7 | 5.7 | 16.7% | 1 | 6.33s | 306 | 5,714 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 83.40s | 14,642 | 8,687 | |
| MiMo-V2.5 | 5.3 | 10.0 | 33.3% | 0 | 34.53s | 507 | 49,478 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 188 | 292 | |
| MiMo-V2.5 | 5.4 | 2.5 | 66.7% | 1 | 5.37s | 121 | 418 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 266 | 467 | |
| MiMo-V2.5 | 9.9 | 10.0 | 100.0% | 0 | 1.80s | 88 | 801 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 7.7 | 10.0 | 66.7% | 0 | 4.60s | 531 | 637 | |
| MiMo-V2.5 | 8.2 | 7.2 | 88.9% | 1 | 20.60s | 364 | 33,211 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 9.73s | 861 | 329 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 7.29s | 303 | 2,424 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 3.0 | 10.0 | 0.0% | 0 | 63.24s | 8,045 | 2,452 | |
| MiMo-V2.5 | 3.0 | 10.0 | 0.0% | 0 | 51.29s | 22 | 15,484 |
快速对比
切换对比组合
GPT-5.3 ChatnonevsMiMo-V2.5mediumDeepSeek V4 Flashhigh免费可用vsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsMiMo-V2.5mediumClaude Opus 4.6mediumvsRing-2.6-1TnoneGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneRing-2.6-1TnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsDeepSeek V4 Flashhigh免费可用Claude Opus 4.6mediumvsGPT-5.3 ChatnoneGPT-5.2 ChatnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsGemini 3.1 Flash LitelowGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5medium