AI BENCHY 对比
Qwen: Qwen3.5-Flash vs Xiaomi: MiMo-V2-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-20
| 指标 | Qwen3.5-Flash Qwen3.5-Flash none | MiMo-V2-Pro MiMo-V2-Pro medium |
|---|---|---|
| 分数 | 6.0 | 8.0 |
| 排名 | #46 | #20 |
| 一致性 | 9.6 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 43.1% | 76.5% |
| 不稳定测试 | 1 | 3 |
| 总运行次数 | 51 | 45 |
| 每个结果成本 | 0.077 | 1.110 |
| 总成本 | $0.006 | $0.123 |
| ???? | $0.065 / 1M | $1.000 / 1M |
| ???? | $0.260 / 1M | $3.000 / 1M |
| 输出令牌 | 3,777 | 1,875 |
| 推理令牌 | 0 | 26,959 |
| 响应时间（平均） | 3.36s | 9.78s |
| 响应时间（最大） | 13.73s | 64.71s |
| 响应时间（总计） | 57.15s | 156.45s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 3.5 | 8.3 | 8.3% | 1 | 1.32s | 690 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.06s | 223 | 1,107 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 3.0 | 10.0 | 0.0% | 0 | 6.22s | 1,794 | 0 | |
| MiMo-V2-Pro | 4.7 | 1.6 | 66.7% | 1 | 64.71s | 380 | 14,186 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 243 | 0 | |
| MiMo-V2-Pro | 7.3 | 5.8 | 83.3% | 1 | 17.20s | 260 | 7,484 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 7.7 | 10.0 | 66.7% | 0 | 905ms | 15 | 0 | |
| MiMo-V2-Pro | 5.3 | 10.0 | 33.3% | 0 | 6.00s | 155 | 1,048 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 803ms | 100 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 4.06s | 198 | 424 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 6.3 | 10.0 | 50.0% | 0 | 8.81s | 63 | 0 | |
| MiMo-V2-Pro | 9.9 | 10.0 | 100.0% | 0 | 3.36s | 83 | 667 |
| Puzzle Solving | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 3.3 | 10.0 | 0.0% | 0 | 5.90s | 608 | 0 | |
| MiMo-V2-Pro | 7.0 | 7.2 | 55.6% | 1 | 4.71s | 313 | 1,179 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.5-Flash | 10.0 | 10.0 | 100.0% | 0 | 3.67s | 264 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 8.19s | 263 | 864 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsMiMo-V2-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2-Promediumgpt-oss-120bmedium免费可用vsQwen3.5-FlashnoneMiniMax M2.5medium免费可用vsQwen3.5-FlashnoneGemini 3.1 Flash Lite PreviewnonevsMiMo-V2-PromediumGPT-5.2 ChatnonevsMiMo-V2-PromediumQwen3.5-FlashnonevsGrok 4.20 Multi-Agent BetamediumGPT-5 NanomediumvsQwen3.5-FlashnoneMercury 2mediumvsQwen3.5-FlashnoneGPT-5.3 ChatnonevsMiMo-V2-PromediumMistral Small 4mediumvsQwen3.5-FlashnoneClaude Sonnet 4.6nonevsMiMo-V2-Promedium