AI BENCHY 对比
MiniMax: MiniMax M2.7 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 M2.7 MiniMax M2.7 medium | gpt-oss-120b gpt-oss-120b none 免费可用 |
|---|---|---|
| 分数 | 5.3 | 5.2 |
| 排名 | #76 | #79 |
| 一致性 | 5.5 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 51.9% | 38.9% |
| 不稳定测试 | 10 | 5 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.273 | 0.221 |
| 总成本 | $0.091 | $0.009 |
| ???? | $0.300 / 1M | $0.039 / 1M |
| ???? | $1.200 / 1M | $0.190 / 1M |
| 输出令牌 | 4,984 | 44,652 |
| 推理令牌 | 62,787 | 0 |
| 响应时间（平均） | 31.08s | 11.96s |
| 响应时间（最大） | 117.04s | 68.97s |
| 响应时间（总计） | 528.37s | 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 M2.7 | 7.9 | 6.3 | 83.3% | 2 | 40.32s | 3,010 | 17,716 | |
| 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 M2.7 | 10.0 | 10.0 | 100.0% | 0 | 91.27s | 467 | 15,175 | |
| 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 M2.7 | 4.7 | 1.6 | 66.7% | 1 | 41.03s | 369 | 4,480 | |
| 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 M2.7 | 6.3 | 5.8 | 66.7% | 1 | 21.95s | 187 | 5,882 | |
| 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 M2.7 | 3.0 | 10.0 | 0.0% | 0 | 19.00s | 8 | 2,796 | |
| 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 M2.7 | 3.9 | 2.5 | 33.3% | 1 | 38.70s | 92 | 5,204 | |
| 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 M2.7 | 3.7 | 1.8 | 50.0% | 2 | 12.64s | 213 | 2,457 | |
| 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 M2.7 | 3.8 | 4.5 | 33.3% | 2 | 25.62s | 334 | 8,076 | |
| 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 M2.7 | 4.7 | 1.6 | 66.7% | 1 | 12.05s | 304 | 1,001 | |
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
MiniMax M2.7mediumvsGrok 4.20noneMiniMax M2.7mediumvsMistral Small 4noneTrinity Large Previewnone免费可用vsMiniMax M2.7mediumMiniMax M2.7mediumvsGPT-5.4 MininoneMiniMax M2.7mediumvsQwen3 Coder NextnoneMiniMax M2.7mediumvsNemotron 3 Supernone免费可用MiniMax M2.7mediumvsGLM 5 TurbononeMiniMax M2.7mediumvsKimi K2.5noneMiniMax M2.7mediumvsGLM 5.1noneMiniMax M2.7mediumvsGLM 4.7 FlashnoneMiniMax M2.7mediumvsGPT-4o-mininoneMiniMax M2.7mediumvsQwen3.5-122B-A10Bnone