AI BENCHY 对比
MiniMax: MiniMax M2.5 vs OpenAI: gpt-oss-120b
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-11
| 指标 | MiniMax M2.5 MiniMax M2.5 medium 免费可用 | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.7 | 5.2 |
| 排名 | #67 | #79 |
| 一致性 | 5.6 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 57.4% | 38.9% |
| 不稳定测试 | 10 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 4.987 | 0.221 |
| 总成本 | $0.250 | $0.009 |
| ???? | $0.118 / 1M | $0.039 / 1M |
| ???? | $0.991 / 1M | $0.190 / 1M |
| 输出令牌 | 107,044 | 44,652 |
| 推理令牌 | 206,422 | 0 |
| 响应时间（平均） | 39.65s | 11.96s |
| 响应时间（最大） | 237.27s | 68.97s |
| 响应时间（总计） | 396.47s | 179.34s |
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 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 7.9 | 6.3 | 83.3% | 2 | 20.82s | 286 | 45,344 | |
| gpt-oss-120b | 6.6 | 8.0 | 58.3% | 1 | 6.03s | 4,867 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 4.5 | 2.1 | 66.7% | 1 | 60.39s | 740 | 9,713 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 4.6 | 1.7 | 66.7% | 2 | 7.48s | 266 | 3,835 | |
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 2.9 | 4.4 | 22.2% | 2 | 237.27s | 105,047 | 133,487 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.8 | 2.5 | 33.3% | 1 | 6.63s | 25 | 1,686 | |
| gpt-oss-120b | 4.6 | 10.0 | 0.0% | 0 | 2.83s | 586 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 8.1 | 6.8 | 83.3% | 1 | 4.64s | 252 | 1,873 | |
| gpt-oss-120b | 8.4 | 6.9 | 83.3% | 1 | 5.10s | 1,982 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 5.3 | 7.2 | 44.4% | 1 | 11.54s | 159 | 9,547 | |
| gpt-oss-120b | 4.5 | 4.8 | 44.5% | 2 | 6.86s | 3,904 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 10.0 | 10.0 | 100.0% | 0 | 15.35s | 269 | 937 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsQwen3.5-122B-A10BnoneMiniMax M2.7mediumvsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsGLM 4.7 FlashnoneMiniMax M2.5medium免费可用vsGLM 5.1noneMiniMax M2.5medium免费可用vsKimi K2.5noneMiniMax M2.5medium免费可用vsGLM 5 TurbononeMiniMax M2.5medium免费可用vsQwen3.5-27BnoneMiniMax M2.5medium免费可用vsGPT-5.4noneMiniMax M2.5medium免费可用vsMiMo-V2-PrononeTrinity Large Previewnone免费可用vsMiniMax M2.5medium免费可用DeepSeek V3.2nonevsMiniMax M2.5medium免费可用MiniMax M2.5medium免费可用vsQwen3.5-35B-A3Bnone