导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

MiniMax: MiniMax M2.5 vs OpenAI: gpt-oss-120b

摘要

MiniMax M2.5 (medium) vs gpt-oss-120b benchmark 对比：MiniMax M2.5 (medium) 平均分领先，为 4.7 vs 4.0。 gpt-oss-120b benchmark 成本更低，为 $0.010 vs $0.303。 gpt-oss-120b 更快，为 21.61s vs 65.37s，通过率为 46.0% vs 34.9%。

推荐模型: gpt-oss-120b - 它的得分接近这里的最高分（4.0 vs 4.7），同时成本比MiniMax M2.5 (medium)低约 31.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 MiniMax M2.5 MiniMax M2.5 medium 发布日期: 2026-02-12 gpt-oss-120b gpt-oss-120b none 发布日期: 2025-08-05 免费可用
分数 4.7 4.0
排名 #165 #183
可靠性 10.0 10.0
一致性 6.5 8.2
测试正确
尝试通过率 46.0% 34.9%
不稳定测试 9 2
总运行次数 63 57
每个结果成本 7.900 0.168
总成本 $0.303 $0.010
输入价格 $0.150 / 1M $0.036 / 1M
输出价格 $0.900 / 1M $0.180 / 1M
总输入令牌 43,706 9,081
输出令牌 109,495 51,664
推理令牌 330,814 0
响应时间（平均） 65.37s 21.61s
响应时间（最大） 251.36s 113.71s
响应时间（总计） 849.76s 345.79s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#165 MiniMax M2.5

medium
无效SVG
成本
$0.000
时间
300.0s
令牌
0 tok

#183 gpt-oss-120b

none
此模型尚未生成任何展示结果。
成本
$0.000
时间
-
令牌
0 tok

按分数排名的模型

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-oss-120b 6.5 10.0 50.0% 0 32.84s 1,336 8,676 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 3.4 9.1 0.0% 0 188.58s 6,076 357 106,177
gpt-oss-120b 1.5 4.0 22.2% 1 9.57s 901 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 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-oss-120b 6.5 10.0 50.0% 0 7.12s 2,421 598 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-oss-120b 3.0 10.0 0.0% 0 34.98s 1,294 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-oss-120b 4.8 10.0 0.0% 0 10.79s 584 615 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-oss-120b 9.8 10.0 100.0% 0 5.06s 1,043 1,940 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-oss-120b 6.0 7.2 55.6% 1 8.21s 1,188 3,982 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-oss-120b 3.0 10.0 0.0% 0 0ms 0 0 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-oss-120b 3.0 10.0 0.0% 0 47.29s 314 3,138 0

快速对比

切换对比组合

Ling-2.6-1TnonevsMiniMax M2.5mediumMiniMax M2.5mediumvsGPT-5.4 NanononeMercury 2nonevsMiniMax M2.5mediumRing-2.6-1TnonevsMiniMax M2.5mediumLing-2.6-flashnonevsMiniMax M2.5mediumMiniMax M2.5mediumvsNemotron 3 Supernone免费可用MiniMax M2.5mediumvsGLM 4.7 Flashnonegpt-oss-120bnone免费可用vsQwen3.5-9BmediumMiniMax M2.5mediumvsGPT-4o-mininoneTrinity Large PreviewnonevsMiniMax M2.5mediumgpt-oss-120bnone免费可用vsGLM 4.7 FlashmediumMiniMax M2.5mediumvsGrok 4.20none