AI BENCHY 对比
OpenAI: gpt-oss-120b vs Xiaomi: MiMo-V2.5-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | MiMo-V2.5-Pro MiMo-V2.5-Pro none |
|---|---|---|
| 分数 | 5.2 | 5.6 |
| 排名 | #129 | #115 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 36.8% | 41.7% |
| 不稳定测试 | 3 | 4 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 0.201 | 0.637 |
| 总成本 | $0.011 | $0.039 |
| ???? | $0.000 / 1M | $1.000 / 1M |
| ???? | $0.000 / 1M | $3.000 / 1M |
| 输出令牌 | 51,505 | 3,067 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 21.86s | 1.84s |
| 响应时间（最大） | 113.71s | 8.32s |
| 响应时间（总计） | 349.78s | 36.84s |
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-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 32.84s | 8,676 | 0 | |
| MiMo-V2.5-Pro | 3.3 | 8.1 | 8.3% | 1 | 2.67s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| MiMo-V2.5-Pro | 5.0 | 6.7 | 33.3% | 1 | 1.80s | 479 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 3.54s | 596 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 1.32s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 877ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 | |
| MiMo-V2.5-Pro | 4.0 | 10.0 | 0.0% | 0 | 2.58s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 0 | |
| MiMo-V2.5-Pro | 6.4 | 10.0 | 50.0% | 0 | 1.03s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 0 | |
| MiMo-V2.5-Pro | 6.7 | 4.7 | 77.8% | 2 | 1.32s | 297 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.30s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 1.89s | 14 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsMiMo-V2.5-PrononeMiniMax M2.5medium免费可用vsMiMo-V2.5-PrononeMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Mistral Small 4mediumvsMiMo-V2.5-PrononeCobuddymedium免费可用vsMiMo-V2.5-PrononeElephant AlphamediumvsMiMo-V2.5-Prononegpt-oss-120bnone免费可用vsElephant AlphamediumMistral Small 4mediumvsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用Owl AlphamediumvsMiMo-V2.5-PrononeNemotron 3 Supermedium免费可用vsMiMo-V2.5-Prononegpt-oss-120bnone免费可用vsQwen3 Coder Nextmedium