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：: 2026-04-16
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 分数 | 7.7 | 7.5 |
| 排名 | #35 | #40 |
| 一致性 | 8.6 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 68.5% | 70.4% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 3.082 | 0.341 |
| 总成本 | $0.340 | $0.038 |
| ???? | $1.750 / 1M | $0.090 / 1M |
| ???? | $14.000 / 1M | $0.290 / 1M |
| 输出令牌 | 20,784 | 12,387 |
| 推理令牌 | 0 | 115,182 |
| 响应时间（平均） | 5.88s | 23.36s |
| 响应时间（最大） | 18.33s | 96.01s |
| 响应时间（总计） | 105.90s | 280.34s |
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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 6.7 | 8.1 | 58.3% | 1 | 3.86s | 3,167 | 0 | |
| MiMo-V2-Flash | 8.1 | 7.9 | 83.3% | 1 | 15.85s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 9.32s | 1,436 | 0 | |
| MiMo-V2-Flash | 4.7 | 1.6 | 66.7% | 1 | 13.03s | 428 | 3,648 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 2,614 | 0 | |
| MiMo-V2-Flash | 9.8 | 10.0 | 100.0% | 0 | 75.68s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 942 | 0 | |
| MiMo-V2-Flash | 6.5 | 10.0 | 50.0% | 0 | 0ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 8,264 | 0 | |
| MiMo-V2-Flash | 5.9 | 7.2 | 55.6% | 1 | 96.01s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 319 | 0 | |
| MiMo-V2-Flash | 4.0 | 10.0 | 0.0% | 0 | 4.20s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 8.3 | 10.0 | 50.0% | 0 | 3.29s | 1,455 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 4.28s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.93s | 1,726 | 0 | |
| MiMo-V2-Flash | 7.7 | 10.0 | 66.7% | 0 | 3.77s | 833 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 861 | 0 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 27.78s | 321 | 12,715 |
快速对比
切换对比组合
Claude Opus 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsMiMo-V2-OmnimediumGPT-5.3 ChatnonevsGLM 5.1mediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-FlashmediumGPT-5.3 ChatnonevsGLM 5V TurbomediumGPT-5.3 ChatnonevsStep 3.5 FlashmediumGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumDeepSeek V3.2mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGemma 4 26B A4Bmedium免费可用vsGPT-5.3 Chatnone