#4 GPT-5.5
low- 成本
- $0.068
- 时间
- 37.0s
- 令牌
- 2,339 tok
AI BENCHY 对比
OpenAI: GPT-5.5 vs Xiaomi: MiMo-V2-Flash
摘要
GPT-5.5 vs MiMo-V2-Flash benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 4.3。 MiMo-V2-Flash benchmark 成本更低，为 $0.025 vs $0.907。 MiMo-V2-Flash 更快，为 2.76s vs 9.76s，通过率为 85.7% vs 25.4%。
推荐模型: GPT-5.5 - 它在本次比较中得分最高（9.3），并且在全部 2 个模型中兼顾成本和响应时间最好。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02
| 指标 | GPT-5.5 GPT-5.5 low | MiMo-V2-Flash MiMo-V2-Flash none |
|---|---|---|
| 分数 | 9.3 | 4.3 |
| 排名 | #4 | #164 |
| 可靠性 | 10.0 | 6.7 |
| 一致性 | 10.0 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 85.7% | 25.4% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 5.035 | 0.584 |
| 总成本 | $0.907 | $0.025 |
| 输入价格 | $5.000 / 1M | $0.100 / 1M |
| 输出价格 | $30.000 / 1M | $0.300 / 1M |
| 总输入令牌 | 34,209 | 36,851 |
| 输出令牌 | 2,046 | 68,882 |
| 推理令牌 | 22,460 | 0 |
| 响应时间（平均） | 9.76s | 2.76s |
| 响应时间（最大） | 56.19s | 19.68s |
| 响应时间（总计） | 204.92s | 46.99s |
生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#164 MiMo-V2-Flash
none- 成本
- $0.001
- 时间
- 7.7s
- 令牌
- 1,481 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.41s | 606 | 238 | 1,020 | |
| MiMo-V2-Flash | 3.2 | 8.0 | 8.3% | 1 | 1.19s | 645 | 865 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 15.04s | 7,302 | 423 | 6,402 | |
| MiMo-V2-Flash | 4.3 | 7.9 | 11.1% | 1 | 2.64s | 7,442 | 763 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 11,019 | 303 | 717 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 2.87s | 15,075 | 330 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.28s | 7,140 | 228 | 157 | |
| MiMo-V2-Flash | 2.9 | 5.8 | 16.7% | 1 | 19.68s | 2,622 | 161 | 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-5.5 | 5.3 | 10.0 | 33.3% | 0 | 28.05s | 723 | 69 | 11,609 | |
| MiMo-V2-Flash | 5.3 | 7.2 | 44.4% | 1 | 564ms | 753 | 24 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 5.17s | 477 | 133 | 245 | |
| MiMo-V2-Flash | 4.6 | 10.0 | 0.0% | 0 | 1.67s | 498 | 104 | 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-5.5 | 9.9 | 10.0 | 100.0% | 0 | 3.74s | 660 | 93 | 415 | |
| MiMo-V2-Flash | 6.5 | 10.0 | 50.0% | 0 | 857ms | 684 | 69 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.74s | 642 | 279 | 954 | |
| MiMo-V2-Flash | 5.3 | 10.0 | 33.3% | 0 | 1.86s | 678 | 66,282 | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.96s | 5,445 | 250 | 101 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 2.28s | 8,238 | 272 | 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-5.5 | 3.0 | 10.0 | 0.0% | 0 | 10.06s | 195 | 30 | 840 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.82s | 216 | 12 | 0 |
快速对比
切换对比组合
GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowClaude Opus 4.7mediumvsGPT-5.5lowGPT-5.5lowvsGLM 5.2mediumGPT-5.5lowvsGLM 5mediumSeed-2.0-LitemediumvsGPT-5.5low