AI BENCHY 对比
OpenAI: GPT-5.3 Chat vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 分数 | 7.2 | 7.2 |
| 排名 | #63 | #64 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.1 | 8.8 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 65.1% |
| 不稳定测试 | 5 | 3 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 3.605 | 0.343 |
| 总成本 | $0.433 | $0.043 |
| 输入价格 | $1.750 / 1M | $0.100 / 1M |
| 输出价格 | $14.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 34,209 | 40,111 |
| 输出令牌 | 26,617 | 12,476 |
| 推理令牌 | 0 | 125,039 |
| 响应时间（平均） | 6.34s | 20.11s |
| 响应时间（最大） | 18.33s | 96.01s |
| 响应时间（总计） | 133.13s | 301.59s |
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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 6.7 | 8.1 | 58.3% | 1 | 3.86s | 606 | 3,167 | 0 | |
| MiMo-V2-Flash | 8.1 | 7.9 | 83.3% | 1 | 15.85s | 621 | 1,674 | 23,559 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 5.6 | 4.7 | 55.6% | 2 | 10.52s | 7,302 | 6,632 | 0 | |
| MiMo-V2-Flash | 6.0 | 7.2 | 55.6% | 1 | 10.71s | 7,177 | 474 | 13,505 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 11,019 | 2,614 | 0 | |
| MiMo-V2-Flash | 9.8 | 10.0 | 100.0% | 0 | 75.68s | 18,676 | 442 | 26,859 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 7,140 | 942 | 0 | |
| MiMo-V2-Flash | 6.5 | 10.0 | 50.0% | 0 | 0ms | 2,622 | 153 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 723 | 8,264 | 0 | |
| MiMo-V2-Flash | 5.9 | 7.2 | 55.6% | 1 | 96.01s | 739 | 8,374 | 42,461 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 477 | 319 | 0 | |
| MiMo-V2-Flash | 4.0 | 10.0 | 0.0% | 0 | 4.20s | 492 | 87 | 488 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 9.8 | 10.0 | 100.0% | 0 | 3.51s | 660 | 1,491 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 4.28s | 678 | 75 | 3,504 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.99s | 642 | 1,758 | 0 | |
| MiMo-V2-Flash | 7.7 | 10.0 | 66.7% | 0 | 3.87s | 670 | 864 | 1,948 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 5,445 | 861 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 27.78s | 8,220 | 321 | 12,715 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 3.0 | 10.0 | 0.0% | 0 | 4.38s | 195 | 569 | 0 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.96s | 216 | 12 | 0 |
快速对比
切换对比组合
GPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneKimi K2.6medium免费可用vsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumGemini 3.1 Flash LitelowvsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsGrok 4.20mediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsStep 3.7 FlashlowGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsMiMo-V2.5mediumStep 3.7 FlashlowvsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsGLM 5.1medium