#84 GPT-5.5
none- 成本
- $0.090
- 时间
- 54.3s
- 令牌
- 3,063 tok
OpenAI: GPT-5.5 vs Xiaomi: MiMo-V2.5-Pro
平均分几乎持平，为 6.9 vs 6.9。 MiMo-V2.5-Pro (medium) benchmark 成本更低，为 $0.187 vs $0.544。 GPT-5.5 更快，为 2.36s vs 33.92s，通过率为 56.1% vs 66.7%。
推荐模型GPT-5.5它在这里得分最高（6.9），同时响应速度比MiMo-V2.5-Pro (medium)快约 14.4 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17
| 指标 | GPT-5.5 GPT-5.5 none | MiMo-V2.5-Pro MiMo-V2.5-Pro medium |
|---|---|---|
| 分数 | 6.9 | 6.9 |
| 排名 | #84 | #81 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.2 |
| 测试正确 | ||
| 尝试通过率 | 56.1% | 66.7% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 4.945 | 3.218 |
| 总成本 | $0.544 | $0.187 |
| 输入价格 | $5.000 / 1M | $0.435 / 1M |
| 输出价格 | $30.000 / 1M | $0.870 / 1M |
| 总输入令牌 | 79,285 | 139,883 |
| 输出令牌 | 4,915 | 15,521 |
| 推理令牌 | 0 | 130,992 |
| 响应时间（平均） | 2.36s | 33.92s |
| 响应时间（最大） | 12.24s | 197.54s |
| 响应时间（总计） | 51.88s | 746.19s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#81 MiMo-V2.5-Pro
medium
无效SVG
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 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 | 6.9 | 7.9 | 66.7% | 1 | 1.31s | 606 | 213 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.26s | 621 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 5.5 | 10.0 | 33.3% | 0 | 1.35s | 7,305 | 462 | 0 | |
| MiMo-V2.5-Pro | 6.2 | 4.7 | 66.7% | 2 | 92.07s | 6,543 | 780 | 51,218 |
| 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 | 6.5 | 10.0 | 50.0% | 0 | 8.90s | 56,092 | 3,244 | 0 | |
| MiMo-V2.5-Pro | 6.9 | 5.9 | 66.7% | 1 | 125.45s | 114,089 | 10,854 | 45,120 |
| 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 | 1.18s | 7,140 | 222 | 0 | |
| MiMo-V2.5-Pro | 7.3 | 5.8 | 83.3% | 1 | 18.81s | 7,746 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 2.9 | 7.2 | 11.1% | 1 | 1.31s | 723 | 52 | 0 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 37.87s | 630 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.41s | 477 | 124 | 0 | |
| MiMo-V2.5-Pro | 5.5 | 10.0 | 0.0% | 0 | 4.02s | 492 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 6.2 | 5.8 | 66.7% | 1 | 1.15s | 660 | 81 | 0 | |
| MiMo-V2.5-Pro | 9.9 | 10.0 | 100.0% | 0 | 2.77s | 672 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 7.7 | 10.0 | 66.7% | 0 | 1.29s | 642 | 252 | 0 | |
| MiMo-V2.5-Pro | 6.7 | 7.9 | 55.6% | 1 | 5.31s | 660 | 540 | 2,181 |
| 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 | 3.90s | 5,445 | 247 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 16.87s | 8,220 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 3.0 | 10.0 | 0.0% | 0 | 5.01s | 195 | 18 | 0 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 12.46s | 210 | 1,941 | 2,014 |
快速对比
切换对比组合
GPT-5.5nonevsStep 3.7 FlashhighGPT-5.6 SolnonevsMiMo-V2.5-PromediumGPT-5.5nonevsQwen3.6 FlashmediumDeepSeek V4 PrononevsMiMo-V2.5-PromediumStep 3.7 FlashhighvsMiMo-V2.5-PromediumGemini 3.5 FlashminimalvsGPT-5.5noneGemini 3.5 FlashminimalvsMiMo-V2.5-PromediumKAT-Coder-Pro V2.5mediumvsGPT-5.5noneGemini 3.5 FlashnonevsMiMo-V2.5-PromediumSeed-2.0-MinimediumvsGPT-5.5noneGPT-5.5nonevsQwen3.6 35B A3BmediumMercury 2mediumvsGPT-5.5none