AI BENCHY 对比

Qwen: Qwen3.5-35B-A3B vs Xiaomi: MiMo-V2.5

摘要

Qwen3.5-35B-A3B (medium) vs MiMo-V2.5 (medium) benchmark 对比：MiMo-V2.5 (medium) 平均分领先，为 6.7 vs 6.3。 MiMo-V2.5 (medium) benchmark 成本更低，为 $0.061 vs $0.401。 MiMo-V2.5 (medium) 更快，为 27.11s vs 72.57s，通过率为 69.8% vs 69.8%。

推荐模型: MiMo-V2.5 (medium) - 它在这里得分最高（6.7），同时成本比Qwen3.5-35B-A3B (medium)低约 6.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24	MiMo-V2.5 MiMo-V2.5 medium 发布日期: 2026-04-22

指标	Qwen3.5-35B-A3B Qwen3.5-35B-A3B medium 发布日期: 2026-02-24	MiMo-V2.5 MiMo-V2.5 medium 发布日期: 2026-04-22
分数	6.3	6.7
排名	#104	#90
可靠性	10.0	10.0
一致性	7.5	8.1
测试正确
尝试通过率	69.8%	69.8%
不稳定测试	6	5
总运行次数	63	63
每个结果成本	5.162	2.966
总成本	$0.401	$0.061
输入价格	$0.140 / 1M	$0.105 / 1M
输出价格	$1.000 / 1M	$0.280 / 1M
总输入令牌	42,196	41,838
输出令牌	40,630	2,827
推理令牌	353,577	198,898
响应时间（平均）	72.57s	27.11s
响应时间（最大）	409.98s	162.44s
响应时间（总计）	1524.04s	569.38s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#104 Qwen3.5-35B-A3B

medium

成本: $0.009
时间: 71.4s
令牌: 8,631 tok

#90 MiMo-V2.5

medium

成本: $0.002
时间: 54.8s
令牌: 5,247 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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		21.13s	672	798	42,652
MiMo-V2.5	10.0	10.0	100.0%	0		4.14s	621	281	1,739

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
Qwen3.5-35B-A3B	5.9	9.3	33.3%	0		206.65s	4,106	23,844	111,462
MiMo-V2.5	6.2	4.7	66.7%	2		97.14s	7,422	557	81,977

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
Qwen3.5-35B-A3B	4.7	1.6	66.7%	1		75.34s	20,992	775	12,485
MiMo-V2.5	10.0	10.0	100.0%	0		16.86s	15,060	363	7,609

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
Qwen3.5-35B-A3B	7.3	5.9	83.3%	1		59.33s	6,061	235	19,493
MiMo-V2.5	2.7	5.7	16.7%	1		6.33s	7,746	306	5,714

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
Qwen3.5-35B-A3B	4.1	4.4	44.5%	2		88.34s	500	41	46,368
MiMo-V2.5	5.3	10.0	33.3%	0		34.53s	735	507	49,478

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
Qwen3.5-35B-A3B	2.8	1.6	33.3%	1		30.30s	172	20	3,753
MiMo-V2.5	5.4	2.5	66.7%	1		5.37s	492	121	418

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		24.45s	699	97	17,361
MiMo-V2.5	9.9	10.0	100.0%	0		1.80s	672	88	801

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
Qwen3.5-35B-A3B	8.2	7.2	88.9%	1		33.13s	597	3,592	26,585
MiMo-V2.5	8.2	7.2	88.9%	1		20.25s	660	279	33,254

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
Qwen3.5-35B-A3B	10.0	10.0	100.0%	0		4.65s	8,193	309	1,365
MiMo-V2.5	10.0	10.0	100.0%	0		7.29s	8,220	303	2,424

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
Qwen3.5-35B-A3B	3.0	10.0	0.0%	0		177.35s	204	10,919	72,053
MiMo-V2.5	3.0	10.0	0.0%	0		51.29s	210	22	15,484

快速对比

切换对比组合