AI BENCHY 对比
MiniMax: MiniMax M2.5 vs xAI: Grok 4.20
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | MiniMax M2.5 MiniMax M2.5 medium 免费可用 | Grok 4.20 Grok 4.20 none |
|---|---|---|
| 分数 | 5.5 | 5.4 |
| 排名 | #108 | #115 |
| 可靠性 | 6.7 | 不适用 |
| 一致性 | 5.9 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 52.6% | 35.2% |
| 不稳定测试 | 10 | 1 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 5.443 | 1.574 |
| 总成本 | $0.273 | $0.095 |
| ???? | $0.150 / 1M | $1.250 / 1M |
| ???? | $1.150 / 1M | $2.500 / 1M |
| 输出令牌 | 108,324 | 1,967 |
| 推理令牌 | 224,957 | 0 |
| 响应时间（平均） | 43.39s | 1.11s |
| 响应时间（最大） | 237.27s | 6.04s |
| 响应时间（总计） | 477.26s | 20.02s |
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 | |
| Grok 4.20 | 4.8 | 10.0 | 25.0% | 0 | 501ms | 267 | 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 | |
| Grok 4.20 | 3.4 | 9.3 | 0.0% | 0 | 1.22s | 312 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 6.04s | 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 | 4.6 | 1.7 | 66.7% | 2 | 7.48s | 266 | 3,835 | |
| Grok 4.20 | 10.0 | 10.0 | 100.0% | 0 | 522ms | 207 | 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 | |
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 687ms | 325 | 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 | |
| Grok 4.20 | 4.8 | 10.0 | 0.0% | 0 | 659ms | 83 | 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 | 7.5 | 6.7 | 66.7% | 1 | 4.64s | 252 | 1,873 | |
| Grok 4.20 | 6.3 | 10.0 | 50.0% | 0 | 455ms | 60 | 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 | |
| Grok 4.20 | 5.3 | 7.2 | 44.4% | 1 | 487ms | 242 | 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 | 10.0 | 10.0 | 100.0% | 0 | 4.63s | 189 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| MiniMax M2.5 | 3.0 | 10.0 | 0.0% | 0 | 80.79s | 1,280 | 18,535 | |
| Grok 4.20 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsQwen3.5-122B-A10BnoneElephant AlphamediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsQwen3.6 FlashnoneDeepSeek V3.2nonevsMiniMax M2.5medium免费可用MiniMax M2.5medium免费可用vsKimi K2.5noneMistral Small 4mediumvsGrok 4.20noneMiniMax M2.5medium免费可用vsMiMo-V2.5-PrononeMiniMax M2.5medium免费可用vsGLM 5.1noneMiniMax M2.5medium免费可用vsGLM 5 TurbononeMiniMax M2.5medium免费可用vsKimi K2.6noneMiniMax M2.5medium免费可用vsGPT-5.4noneMiniMax M2.5medium免费可用vsElephant Alphanone