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 M3 vs xAI: Grok Build 0.1

摘要

MiniMax M3 vs Grok Build 0.1 benchmark 对比：平均分几乎持平，为 7.6 vs 7.6。 MiniMax M3 benchmark 成本更低，为 $0.131 vs $0.927。 Grok Build 0.1 更快，为 49.90s vs 68.17s，通过率为 65.1% vs 61.9%。

推荐模型: MiniMax M3 - 它在这里得分最高（7.6），同时成本比Grok Build 0.1低约 7.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01 Grok Build 0.1 Grok Build 0.1 medium 发布日期: 2026-05-21
分数 7.6 7.6
排名 #42 #44
可靠性 9.6 10.0
一致性 7.9 9.9
测试正确
尝试通过率 65.1% 61.9%
不稳定测试 5 0
总运行次数 63 63
每个结果成本 1.187 7.124
总成本 $0.131 $0.927
输入价格 $0.300 / 1M $1.000 / 1M
输出价格 $1.200 / 1M $2.000 / 1M
总输入令牌 46,546 44,418
输出令牌 49,036 2,782
推理令牌 92,543 438,018
响应时间（平均） 68.17s 49.90s
响应时间（最大） 431.03s 252.69s
响应时间（总计） 1363.38s 1047.92s

生成展示

Hamster playing table tennis

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

#42 MiniMax M3

medium
成本
$0.012
时间
154.4s
令牌
10,018 tok

#44 xAI: Grok Build 0.1

medium
成本
$0.028
时间
81.3s
令牌
14,009 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 M3 5.5 3.7 66.7% 3 14.95s 2,526 874 3,414
Grok Build 0.1 8.3 10.0 75.0% 0 7.43s 2,010 220 12,162
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
Grok Build 0.1 5.7 9.7 33.3% 0 108.46s 8,304 1,138 161,452
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
Grok Build 0.1 10.0 10.0 100.0% 0 32.81s 12,909 231 16,917
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
Grok Build 0.1 10.0 10.0 100.0% 0 10.72s 7,761 180 8,876
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
Grok Build 0.1 5.3 10.0 33.3% 0 158.00s 1,764 492 175,294
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
Grok Build 0.1 4.4 9.9 0.0% 0 18.41s 825 76 6,345
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
Grok Build 0.1 9.8 10.0 100.0% 0 12.36s 1,362 57 9,599
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
Grok Build 0.1 7.7 10.0 66.7% 0 18.26s 1,689 195 20,841
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
Grok Build 0.1 10.0 10.0 100.0% 0 13.12s 7,263 180 4,969
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
Grok Build 0.1 3.0 10.0 0.0% 0 53.51s 531 13 21,563

快速对比

切换对比组合

DeepSeek V4 ProhighvsMiniMax M3mediumDeepSeek V4 ProhighvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumMiniMax M3mediumvsStep 3.7 FlashlowMiniMax M3mediumvsGPT-5.3 ChatnoneStep 3.7 FlashlowvsGrok Build 0.1mediumClaude Opus 4.8lowvsMiniMax M3mediumClaude Opus 4.8lowvsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewlowvsMiniMax M3mediumClaude Sonnet 4.6nonevsGrok Build 0.1mediumClaude Sonnet 4.6nonevsMiniMax M3medium