AI BENCHY 对比
MiniMax: MiniMax M2.5 vs OpenAI: GPT-5.4
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-03
| 指标 | MiniMax M2.5 MiniMax M2.5 medium | GPT-5.4 GPT-5.4 none |
|---|---|---|
| 分数 | 5.5 | 5.6 |
| 排名 | #125 | #121 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 6.4 | 9.1 |
| 测试正确 | ||
| 尝试通过率 | 48.3% | 38.3% |
| 不稳定测试 | 9 | 2 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 6.075 | 1.644 |
| 总成本 | $0.294 | $0.116 |
| 输入价格 | $0.150 / 1M | $2.500 / 1M |
| 输出价格 | $1.150 / 1M | $15.000 / 1M |
| 总输入令牌 | 41,948 | 31,593 |
| 输出令牌 | 109,492 | 2,402 |
| 推理令牌 | 251,674 | 0 |
| 响应时间（平均） | 49.87s | 1.45s |
| 响应时间（最大） | 237.27s | 2.95s |
| 响应时间（总计） | 598.39s | 29.00s |
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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 7.9 | 6.3 | 83.3% | 2 | 20.82s | 612 | 286 | 45,344 | |
| GPT-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.5 | 9.8 | 0.0% | 0 | 125.80s | 4,318 | 354 | 27,037 | |
| GPT-5.4 | 6.8 | 10.0 | 50.0% | 0 | 1.99s | 4,686 | 501 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 4.5 | 2.1 | 66.7% | 1 | 60.39s | 21,104 | 740 | 9,713 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 2.89s | 11,019 | 291 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 4.6 | 1.7 | 66.7% | 2 | 7.48s | 6,584 | 266 | 3,835 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 7,140 | 222 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 2.9 | 4.4 | 22.2% | 2 | 237.27s | 308 | 105,047 | 133,487 | |
| GPT-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 723 | 50 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.8 | 2.5 | 33.3% | 1 | 6.63s | 492 | 25 | 1,686 | |
| GPT-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 7.5 | 10.0 | 50.0% | 0 | 621ms | 699 | 156 | 1,495 | |
| GPT-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 5.3 | 7.2 | 44.4% | 1 | 11.21s | 495 | 1,069 | 9,605 | |
| GPT-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 10.0 | 10.0 | 100.0% | 0 | 15.35s | 7,123 | 269 | 937 | |
| GPT-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 0 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.0 | 10.0 | 0.0% | 0 | 80.79s | 213 | 1,280 | 18,535 | |
| GPT-5.4 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsgpt-oss-120bnone免费可用MiniMax M2.5mediumvsGrok 4.20noneMiniMax M2.5mediumvsQwen3.6 FlashnoneDeepSeek V3.2nonevsMiniMax M2.5mediumMiniMax M2.5mediumvsKimi K2.6none免费可用MiniMax M2.5mediumvsQwen3.5-122B-A10BnoneMiniMax M2.5mediumvsMiMo-V2.5-PrononeMiniMax M2.5mediumvsGLM 5 TurbononeMiniMax M2.5mediumvsKimi K2.5noneCobuddymediumvsGPT-5.4noneMiniMax M2.5mediumvsGLM 4.7 FlashnoneMiniMax M2.7mediumvsGPT-5.4none