AI BENCHY 对比
DeepSeek: DeepSeek V4 Pro vs Xiaomi: MiMo-V2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-26
| 指标 | DeepSeek V4 Pro DeepSeek V4 Pro high | MiMo-V2.5 MiMo-V2.5 medium |
|---|---|---|
| 分数 | 7.5 | 7.8 |
| 排名 | #47 | #41 |
| 可靠性 | 8.4 | 不适用 |
| 一致性 | 8.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 73.2% | 74.1% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 1.825 | 2.102 |
| 总成本 | $0.201 | $0.253 |
| ???? | $1.740 / 1M | $0.400 / 1M |
| ???? | $3.480 / 1M | $2.000 / 1M |
| 输出令牌 | 11,876 | 2,840 |
| 推理令牌 | 45,999 | 116,242 |
| 响应时间（平均） | 60.02s | 13.71s |
| 响应时间（最大） | 358.35s | 86.93s |
| 响应时间（总计） | 1080.31s | 246.73s |
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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.3 | 10.0 | 75.0% | 0 | 16.53s | 71 | 3,617 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 1.98s | 303 | 2,022 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.0 | 0.0 | 50.0% | 1 | 51.77s | 105 | 2,641 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.48s | 488 | 14,813 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 64.72s | 183 | 1,946 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 23.62s | 229 | 1,710 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 3.2 | 6.9 | 16.7% | 1 | 205.66s | 10,529 | 28,089 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 6.1 | 3.1 | 66.7% | 1 | 25.09s | 76 | 1,152 | |
| MiMo-V2.5 | 3.8 | 2.5 | 33.3% | 1 | 1.55s | 118 | 170 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 41.16s | 205 | 2,416 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 8.0 | 7.0 | 83.3% | 1 | 34.92s | 106 | 3,835 | |
| 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 |
|---|---|---|---|---|---|---|---|---|
| DeepSeek V4 Pro | 10.0 | 10.0 | 100.0% | 0 | 21.33s | 372 | 593 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 7.29s | 303 | 2,424 |
快速对比
切换对比组合
Seed-2.0-MinimediumvsDeepSeek V4 ProhighDeepSeek V4 ProhighvsGPT-5.4 NanomediumDeepSeek V4 ProhighvsGPT-5.2mediumDeepSeek V4 ProhighvsMiMo-V2-FlashmediumDeepSeek V4 FlashhighvsMiMo-V2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumClaude Opus 4.6mediumvsDeepSeek V4 ProhighClaude Sonnet 4.6nonevsDeepSeek V4 ProhighDeepSeek V4 ProhighvsQwen3.5-35B-A3BmediumDeepSeek V4 ProhighvsGPT-5.3 ChatnoneGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumGPT-5.2 ChatnonevsMiMo-V2.5medium