AI BENCHY 对比
OpenAI: gpt-oss-120b vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-19
| 指标 | gpt-oss-120b gpt-oss-120b none 免费可用 | MiMo-V2-Flash MiMo-V2-Flash none |
|---|---|---|
| 分数 | 5.2 | 4.5 |
| 排名 | #126 | #144 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.7 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 36.8% | 26.3% |
| 不稳定测试 | 3 | 5 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 0.201 | 0.754 |
| 总成本 | $0.011 | $0.023 |
| ???? | $0.000 / 1M | $0.100 / 1M |
| ???? | $0.000 / 1M | $0.300 / 1M |
| 输出令牌 | 51,505 | 68,534 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 21.86s | 2.73s |
| 响应时间（最大） | 113.71s | 19.68s |
| 响应时间（总计） | 349.78s | 40.90s |
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-Flash | 3.2 | 8.0 | 8.3% | 1 | 1.19s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.3 | 1.1 | 66.7% | 1 | 9.57s | 3,232 | 0 | |
| MiMo-V2-Flash | 6.3 | 3.7 | 33.3% | 1 | 2.79s | 726 | 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-Flash | 3.0 | 10.0 | 0.0% | 0 | 2.87s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 6.5 | 10.0 | 50.0% | 0 | 7.12s | 598 | 0 | |
| MiMo-V2-Flash | 2.9 | 5.8 | 16.7% | 1 | 19.68s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 34.98s | 29,483 | 0 | |
| MiMo-V2-Flash | 5.3 | 7.2 | 44.4% | 1 | 564ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.8 | 10.0 | 0.0% | 0 | 10.79s | 615 | 0 | |
| MiMo-V2-Flash | 4.6 | 10.0 | 0.0% | 0 | 1.67s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 9.8 | 10.0 | 100.0% | 0 | 5.10s | 1,982 | 0 | |
| MiMo-V2-Flash | 6.5 | 10.0 | 50.0% | 0 | 857ms | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 4.4 | 4.5 | 44.5% | 2 | 9.51s | 3,781 | 0 | |
| MiMo-V2-Flash | 3.6 | 7.2 | 22.2% | 1 | 1.38s | 65,971 | 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-Flash | 10.0 | 10.0 | 100.0% | 0 | 2.28s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| gpt-oss-120b | 3.0 | 10.0 | 0.0% | 0 | 47.29s | 3,138 | 0 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.82s | 12 | 0 |
快速对比
切换对比组合
MiMo-V2-FlashnonevsGLM 4.7 FlashmediumMiniMax M2.7mediumvsgpt-oss-120bnone免费可用Qwen3.5-9BmediumvsMiMo-V2-Flashnonegpt-oss-120bnone免费可用vsElephant AlphamediumQwen3 Coder NextmediumvsMiMo-V2-FlashnoneMistral Small 4mediumvsgpt-oss-120bnone免费可用MiniMax M2.5medium免费可用vsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsQwen3 Coder NextmediumMiniMax M2.7mediumvsMiMo-V2-FlashnoneCobuddymedium免费可用vsgpt-oss-120bnone免费可用gpt-oss-120bnone免费可用vsGLM 4.7 Flashmediumgpt-oss-120bnone免费可用vsOwl Alphamedium