AI BENCHY 对比
MiniMax: MiniMax M2.5 vs xAI: Grok 4.20 Beta
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | MiniMax M2.5 MiniMax M2.5 medium | Grok 4.20 Beta Grok 4.20 Beta none |
|---|---|---|
| 排名 | #49 | #52 |
| 平均分 | 4.7 | 4.4 |
| 一致性 | 5.6 | 9.1 |
| 每个结果成本 | 4.981 | 2.214 |
| 总成本 | $0.250 | $0.089 |
| 测试正确 | ||
| 尝试通过率 | 60.4% | 33.3% |
| 不稳定测试 | 9 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 107,044 | 1,511 |
| 推理令牌 | 206,190 | 0 |
| 响应时间（平均） | 43.03s | 1.22s |
| 响应时间（最大） | 237.27s | 6.48s |
| 响应时间（总计） | 387.25s | 19.53s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 | 9.3 | 7.9 | 88.9% | 1 | 32.42s | 286 | 45,112 | |
| Grok 4.20 Beta | 3.3 | 7.9 | 22.2% | 1 | 562ms | 245 | 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 | 10.0 | 2.1 | 66.7% | 1 | 60.39s | 740 | 9,713 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 6.48s | 282 | 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 | 10.0 | 1.7 | 66.7% | 2 | 7.48s | 266 | 3,835 | |
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 601ms | 197 | 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 | 10.0 | 4.4 | 22.2% | 2 | 237.27s | 105,047 | 133,487 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 611ms | 160 | 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 | 3.0 | 2.5 | 33.3% | 1 | 6.63s | 25 | 1,686 | |
| Grok 4.20 Beta | 5.0 | 10.0 | 0.0% | 0 | 541ms | 87 | 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 | 8.0 | 6.8 | 83.3% | 1 | 4.64s | 252 | 1,873 | |
| Grok 4.20 Beta | 4.5 | 10.0 | 0.0% | 0 | 687ms | 60 | 0 |
| Puzzle Solving | 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 | 4.0 | 7.2 | 44.4% | 1 | 11.54s | 159 | 9,547 | |
| Grok 4.20 Beta | 4.0 | 7.2 | 55.6% | 1 | 541ms | 291 | 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 | |
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 4.79s | 189 | 0 |
快速对比
切换对比组合
MiniMax M2.5mediumvsQwen3.5-35B-A3BnoneMiniMax M2.5mediumvsHunter AlphanoneMiniMax M2.5mediumvsGPT-5.4noneMiniMax M2.5mediumvsQwen3.5-27BnoneSeed-2.0-LitenonevsMiniMax M2.5mediumMiniMax M2.5mediumvsQwen3.5-122B-A10BnoneTrinity Large Previewnone免费可用vsMiniMax M2.5mediumGemini 2.5 FlashnonevsMiniMax M2.5mediumMiniMax M2.5mediumvsQwen3.5-FlashnoneMiniMax M2.5mediumvsKimi K2.5nonegpt-oss-120bmedium免费可用vsGrok 4.20 BetanoneMiniMax M2.5mediumvsGPT-4o-mininone