AI BENCHY 对比

MiniMax: MiniMax M3 vs OpenAI: GPT-5.5

摘要

GPT-5.5 (low) 平均分领先，为 9.3 vs 7.6。 MiniMax M3 (medium) benchmark 成本更低，为 $0.131 vs $0.907。 GPT-5.5 (low) 更快，为 9.76s vs 68.17s，通过率为 65.1% vs 85.7%。

推荐模型GPT-5.5 (low)它在这里得分最高（9.3），同时响应速度比MiniMax M3 (medium)快约 7.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	7.6	9.3
排名	#54	#7
可靠性	9.6	10.0
一致性	7.9	10.0
测试正确
尝试通过率	65.1%	85.7%
不稳定测试	5	0
总运行次数	63	63
每个结果成本	1.187	5.035
总成本	$0.131	$0.907
输入价格	$0.300 / 1M	$5.000 / 1M
输出价格	$1.200 / 1M	$30.000 / 1M
总输入令牌	46,546	34,209
输出令牌	49,036	2,046
推理令牌	92,543	22,460
响应时间（平均）	68.17s	9.76s
响应时间（最大）	431.03s	56.19s
响应时间（总计）	1363.38s	204.92s

生成展示

Hamster playing table tennis

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

#54 MiniMax M3

medium

成本: $0.012
时间: 154.4s
令牌: 10,018 tok

#7 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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

类别:

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 M3	5.5	3.7	66.7%	3		14.95s	2,526	874	3,414
GPT-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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 M3	6.1	6.5	55.6%	1		144.74s	5,804	6,223	32,667
GPT-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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 M3	10.0	10.0	100.0%	0		65.30s	14,760	1,306	6,253
GPT-5.5	10.0	10.0	100.0%	0		9.56s	11,019	303	717

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 M3	10.0	10.0	100.0%	0		14.92s	8,088	514	3,164
GPT-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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 M3	5.5	9.3	33.3%	0		233.13s	869	16,254	19,070
GPT-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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 M3	5.1	3.4	33.3%	1		33.25s	954	2,487	2,523
GPT-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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 M3	9.8	10.0	100.0%	0		6.14s	1,623	103	920
GPT-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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 M3	7.9	9.9	66.7%	0		49.91s	2,079	11,946	13,761
GPT-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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 M3	10.0	10.0	100.0%	0		11.91s	9,168	281	555
GPT-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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 M3	3.0	10.0	0.0%	0		100.80s	675	9,048	10,216
GPT-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

快速对比

切换对比组合

DeepSeek V4 ProhighvsMiniMax M3medium GPT-5.5lowvsQwen3.7 Maxmedium KAT-Coder-Pro V2.5highvsMiniMax M3medium MiniMax M3mediumvsGPT-5.6 Lunahigh MiniMax M3mediumvsStep 3.7 Flashlow MiniMax M3mediumvsGPT-5.6 Terralow MiniMax M3mediumvsGPT-5.3 Chatnone Claude Fable 5mediumvsGPT-5.5low Claude Opus 4.8lowvsMiniMax M3medium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low MiniMax M3mediumvsGrok 4.5low Gemini 3.5 FlashmediumvsGPT-5.5low