AI BENCHY 对比
OpenAI: GPT-5.5 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-5.5 GPT-5.5 medium | MiMo-V2.5-Pro MiMo-V2.5-Pro medium |
|---|---|---|
| 分数 | 8.9 | 8.1 |
| 排名 | #4 | #18 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.1 | 9.2 |
| 测试正确 | ||
| 尝试通过率 | 87.7% | 74.1% |
| 不稳定测试 | 2 | 2 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 18.365 | 1.661 |
| 总成本 | $2.939 | $0.200 |
| ???? | $5.000 / 1M | $1.000 / 1M |
| ???? | $30.000 / 1M | $3.000 / 1M |
| 输出令牌 | 1,950 | 2,790 |
| 推理令牌 | 91,386 | 52,001 |
| 响应时间（平均） | 33.02s | 16.23s |
| 响应时间（最大） | 332.10s | 84.22s |
| 响应时间（总计） | 627.45s | 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 250 | 1,335 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 9.09s | 318 | 1,391 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 19.29s | 312 | 2,841 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.18s | 234 | 593 | |
| 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-5.5 | 5.3 | 7.2 | 44.4% | 1 | 164.14s | 67 | 79,625 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 138 | 223 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 93 | 538 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 6.78s | 250 | 2,254 | |
| 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-5.5 | 10.0 | 10.0 | 100.0% | 0 | 10.57s | 258 | 832 | |
| 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-5.5 | 2.8 | 1.6 | 33.3% | 1 | 37.86s | 30 | 1,754 | |
| MiMo-V2.5-Pro | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.5mediumGemini 3 Flash PreviewnonevsMiMo-V2.5-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5-PromediumGemini 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 Flash PreviewlowvsMiMo-V2.5-PromediumGPT-5.5lowvsMiMo-V2.5-PromediumQwen3.6 Max PreviewnonevsMiMo-V2.5-PromediumClaude Sonnet 4.6nonevsMiMo-V2.5-Promedium