AI BENCHY 对比
OpenAI: GPT-5.4 Nano vs Xiaomi: MiMo-V2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01
| 指标 | GPT-5.4 Nano GPT-5.4 Nano medium | MiMo-V2.5 MiMo-V2.5 medium |
|---|---|---|
| 分数 | 7.6 | 7.8 |
| 排名 | #51 | #47 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 9.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 68.5% | 74.1% |
| 不稳定测试 | 2 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 0.747 | 2.102 |
| 总成本 | $0.083 | $0.253 |
| ???? | $0.200 / 1M | $0.400 / 1M |
| ???? | $1.250 / 1M | $2.000 / 1M |
| 输出令牌 | 2,946 | 2,840 |
| 推理令牌 | 58,132 | 116,242 |
| 响应时间（平均） | 11.21s | 13.71s |
| 响应时间（最大） | 94.06s | 86.93s |
| 响应时间（总计） | 201.80s | 246.73s |
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-5.4 Nano | 8.3 | 10.0 | 75.0% | 0 | 4.52s | 683 | 2,254 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 1.98s | 303 | 2,022 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 13.41s | 472 | 3,616 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.48s | 488 | 14,813 |
| 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 24.13s | 349 | 5,719 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 16.86s | 363 | 7,609 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 2.54s | 234 | 516 | |
| MiMo-V2.5 | 2.7 | 5.7 | 16.7% | 1 | 6.33s | 306 | 5,714 |
| 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-5.4 Nano | 5.9 | 7.2 | 55.6% | 1 | 38.18s | 60 | 43,325 | |
| MiMo-V2.5 | 5.3 | 10.0 | 33.3% | 0 | 34.53s | 507 | 49,478 |
| 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-5.4 Nano | 4.5 | 10.0 | 0.0% | 0 | 4.15s | 179 | 443 | |
| MiMo-V2.5 | 3.8 | 2.5 | 33.3% | 1 | 1.55s | 118 | 170 |
| 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-5.4 Nano | 9.8 | 10.0 | 100.0% | 0 | 1.88s | 95 | 521 | |
| MiMo-V2.5 | 9.9 | 10.0 | 100.0% | 0 | 1.80s | 88 | 801 |
| 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-5.4 Nano | 4.0 | 7.1 | 22.2% | 1 | 3.65s | 640 | 1,356 | |
| MiMo-V2.5 | 8.2 | 7.2 | 88.9% | 1 | 20.60s | 364 | 33,211 |
| 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-5.4 Nano | 10.0 | 10.0 | 100.0% | 0 | 7.71s | 234 | 382 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 7.29s | 303 | 2,424 |
快速对比
切换对比组合
GPT-5.4 NanomediumvsQwen3.6 Max PreviewnoneDeepSeek V4 FlashhighvsMiMo-V2.5mediumGPT-5.3 ChatnonevsMiMo-V2.5mediumClaude Sonnet 4.6nonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumGPT-5.2 ChatnonevsMiMo-V2.5mediumQwen3.6 Max PreviewnonevsMiMo-V2.5mediumDeepSeek V4 FlashhighvsGPT-5.4 NanomediumClaude Sonnet 4.6nonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.4 NanomediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5mediumGemini 3 Flash PreviewnonevsMiMo-V2.5medium