AI BENCHY 对比
OpenAI: GPT-5.3-Codex vs Xiaomi: MiMo-V2.5-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-08
| 指标 | GPT-5.3-Codex GPT-5.3-Codex medium | MiMo-V2.5-Pro MiMo-V2.5-Pro medium |
|---|---|---|
| 分数 | 8.2 | 8.1 |
| 排名 | #13 | #18 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 80.7% | 74.1% |
| 不稳定测试 | 4 | 2 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 4.594 | 1.661 |
| 总成本 | $0.598 | $0.200 |
| ???? | $1.750 / 1M | $1.000 / 1M |
| ???? | $14.000 / 1M | $3.000 / 1M |
| 输出令牌 | 2,309 | 2,790 |
| 推理令牌 | 36,880 | 52,001 |
| 响应时间（平均） | 15.33s | 16.23s |
| 响应时间（最大） | 100.93s | 84.22s |
| 响应时间（总计） | 291.34s | 292.10s |
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-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.26s | 323 | 1,179 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 32.58s | 543 | 7,485 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 53.36s | 348 | 11,870 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| MiMo-V2.5-Pro | 7.3 | 5.8 | 83.3% | 1 | 18.81s | 260 | 8,383 |
| 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-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 37.87s | 275 | 17,023 |
| 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-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| MiMo-V2.5-Pro | 5.5 | 10.0 | 0.0% | 0 | 4.02s | 155 | 163 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 | |
| MiMo-V2.5-Pro | 9.9 | 10.0 | 100.0% | 0 | 2.77s | 82 | 803 |
| 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-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| MiMo-V2.5-Pro | 6.7 | 7.9 | 55.6% | 1 | 5.16s | 493 | 2,187 |
| 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-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 16.87s | 311 | 2,908 |
| 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-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 | |
| MiMo-V2.5-Pro | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5-PromediumGPT-5.2 ChatnonevsMiMo-V2.5-PromediumGemini 3.1 Flash LitelowvsMiMo-V2.5-PromediumGPT-5.3 ChatnonevsMiMo-V2.5-PromediumDeepSeek V4 FlashhighvsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash LitelowvsGPT-5.3-Codexmedium