#145 GPT-5.4
none- 成本
- $0.026
- 时间
- 18.1s
- 令牌
- 1,792 tok
OpenAI: GPT-5.4 vs Xiaomi: MiMo-V2.5-Pro
GPT-5.4 平均分领先，为 5.8 vs 5.5。 MiMo-V2.5-Pro benchmark 成本更低，为 $0.068 vs $0.397。 GPT-5.4 更快，为 2.07s vs 4.12s，通过率为 34.9% vs 37.9%。
推荐模型MiMo-V2.5-Pro它的得分接近这里的最高分（5.5 vs 5.8），同时成本比GPT-5.4低约 5.9 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-21
| 指标 | GPT-5.4 GPT-5.4 none | MiMo-V2.5-Pro MiMo-V2.5-Pro none |
|---|---|---|
| 分数 | 5.8 | 5.5 |
| 排名 | #145 | #160 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.2 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 34.9% | 37.9% |
| 不稳定测试 | 2 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 5.663 | 1.509 |
| 总成本 | $0.397 | $0.068 |
| 输入价格 | $2.500 / 1M | $0.435 / 1M |
| 输出价格 | $15.000 / 1M | $0.870 / 1M |
| 总输入令牌 | 108,632 | 124,799 |
| 输出令牌 | 8,321 | 15,362 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 2.07s | 4.12s |
| 响应时间（最大） | 15.63s | 53.13s |
| 响应时间（总计） | 45.51s | 90.55s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#160 MiMo-V2.5-Pro
none- 成本
- $0.004
- 时间
- 46.4s
- 令牌
- 4,025 tok
按分数排名的模型
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-5.4 | 3.2 | 8.0 | 8.3% | 1 | 1.21s | 606 | 406 | 0 | |
| MiMo-V2.5-Pro | 3.3 | 8.1 | 8.3% | 1 | 2.67s | 645 | 994 | 0 |
| 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-5.4 | 5.5 | 10.0 | 33.3% | 0 | 1.62s | 7,305 | 516 | 0 | |
| MiMo-V2.5-Pro | 4.3 | 7.8 | 22.2% | 1 | 1.41s | 6,559 | 485 | 0 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 9.26s | 85,439 | 6,195 | 0 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 28.33s | 98,770 | 12,915 | 0 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 7,140 | 222 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 1.32s | 7,758 | 249 | 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 1.07s | 723 | 50 | 0 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 877ms | 753 | 27 | 0 |
| 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-5.4 | 4.4 | 9.9 | 0.0% | 0 | 1.78s | 477 | 184 | 0 | |
| MiMo-V2.5-Pro | 4.0 | 10.0 | 0.0% | 0 | 2.58s | 498 | 87 | 0 |
| 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-5.4 | 6.5 | 10.0 | 50.0% | 0 | 1.07s | 660 | 81 | 0 | |
| MiMo-V2.5-Pro | 6.4 | 10.0 | 50.0% | 0 | 1.03s | 684 | 66 | 0 |
| 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-5.4 | 5.6 | 9.8 | 33.3% | 0 | 1.44s | 642 | 381 | 0 | |
| MiMo-V2.5-Pro | 6.7 | 4.7 | 77.8% | 2 | 1.30s | 678 | 267 | 0 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 5,445 | 246 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.30s | 8,238 | 258 | 0 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 990ms | 195 | 40 | 0 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 1.89s | 216 | 14 | 0 |
快速对比
切换对比组合
Nemotron 3 Supermedium免费可用vsGPT-5.4noneKAT-Coder-Air V2.5mediumvsMiMo-V2.5-PrononeNorth Mini Codemedium免费可用vsGPT-5.4noneKAT-Coder-Air V2.5lowvsMiMo-V2.5-PrononeKAT-Coder-Air V2.5highvsMiMo-V2.5-PrononeKAT-Coder-Air V2.5highvsGPT-5.4noneKAT-Coder-Air V2.5mediumvsGPT-5.4noneNemotron 3 Supermedium免费可用vsMiMo-V2.5-PrononeGPT-5.4nonevsStep 3.5 FlashmediumGPT-5.4nonevsInklinglowGemini 3.1 Flash LiteminimalvsGPT-5.4noneNorth Mini Codemedium免费可用vsMiMo-V2.5-Pronone