AI BENCHY 对比
OpenAI: GPT-5.3 Chat vs Xiaomi: MiMo-V2-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | GPT-5.3 Chat GPT-5.3 Chat none | MiMo-V2-Pro MiMo-V2-Pro medium |
|---|---|---|
| 分数 | 7.6 | 7.7 |
| 排名 | #46 | #37 |
| 可靠性 | 10.0 | 9.4 |
| 一致性 | 8.7 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 70.2% | 77.2% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 2.895 | 1.767 |
| 总成本 | $0.348 | $0.212 |
| ???? | $1.750 / 1M | $1.000 / 1M |
| ???? | $14.000 / 1M | $3.000 / 1M |
| 输出令牌 | 21,353 | 2,514 |
| 推理令牌 | 0 | 55,816 |
| 响应时间（平均） | 5.80s | 16.18s |
| 响应时间（最大） | 18.33s | 82.71s |
| 响应时间（总计） | 110.27s | 307.48s |
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-Pro | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 251 | 1,154 |
| 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-Pro | 10.0 | 10.0 | 100.0% | 0 | 52.12s | 485 | 11,361 |
| 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-Pro | 4.7 | 1.6 | 66.7% | 1 | 64.71s | 380 | 14,186 |
| 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-Pro | 7.3 | 5.8 | 83.3% | 1 | 17.20s | 260 | 7,484 |
| 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-Pro | 5.3 | 10.0 | 33.3% | 0 | 8.82s | 170 | 2,158 |
| 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-Pro | 10.0 | 10.0 | 100.0% | 0 | 4.92s | 184 | 400 |
| 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 | 9.8 | 10.0 | 100.0% | 0 | 3.29s | 1,455 | 0 | |
| MiMo-V2-Pro | 9.9 | 10.0 | 100.0% | 0 | 3.36s | 83 | 667 |
| 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-Pro | 6.4 | 4.4 | 77.8% | 2 | 5.26s | 410 | 1,700 |
| 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-Pro | 10.0 | 10.0 | 100.0% | 0 | 8.19s | 263 | 864 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3 Chat | 3.0 | 10.0 | 0.0% | 0 | 4.38s | 569 | 0 | |
| MiMo-V2-Pro | 3.0 | 10.0 | 0.0% | 0 | 82.71s | 28 | 15,842 |
快速对比
切换对比组合
GPT-5.3 ChatnonevsGLM 5.1mediumDeepSeek V4 FlashhighvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-FlashmediumGemini 3.1 Flash LitelowvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsStep 3.5 FlashmediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2-PromediumGPT-5.3 ChatnonevsGLM 5V TurbomediumKimi K2.6mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.6 FlashmediumGPT-5.2 ChatnonevsMiMo-V2-PromediumGemini 3.1 Flash LitelowvsMiMo-V2-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2-Promedium