AI BENCHY 对比
Qwen: Qwen3.7 Max vs Xiaomi: MiMo-V2-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Qwen3.7 Max Qwen3.7 Max none | MiMo-V2-Pro MiMo-V2-Pro medium |
|---|---|---|
| 分数 | 7.9 | 7.6 |
| 排名 | #26 | #44 |
| 可靠性 | 10.0 | 9.5 |
| 一致性 | 10.0 | 7.9 |
| 测试正确 | ||
| 尝试通过率 | 70.0% | 76.7% |
| 不稳定测试 | 0 | 5 |
| 总运行次数 | 60 | 60 |
| 每个结果成本 | 0.719 | 2.453 |
| 总成本 | $0.101 | $0.295 |
| ???? | $2.500 / 1M | $1.000 / 1M |
| ???? | $7.500 / 1M | $3.000 / 1M |
| 输出令牌 | 1,988 | 2,556 |
| 推理令牌 | 0 | 81,879 |
| 响应时间（平均） | 1.30s | 22.19s |
| 响应时间（最大） | 3.92s | 136.29s |
| 响应时间（总计） | 25.95s | 443.77s |
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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 6.5 | 10.0 | 50.0% | 0 | 1.08s | 242 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 2.86s | 251 | 1,154 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 6.8 | 10.0 | 50.0% | 0 | 1.39s | 576 | 0 | |
| MiMo-V2-Pro | 7.5 | 6.0 | 83.3% | 1 | 94.21s | 527 | 37,424 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 2.17s | 171 | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.35s | 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 7.7 | 10.0 | 66.7% | 0 | 975ms | 15 | 0 | |
| MiMo-V2-Pro | 5.3 | 10.0 | 33.3% | 0 | 8.82s | 170 | 2,158 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.04s | 120 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 4.92s | 184 | 400 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 943ms | 72 | 0 | |
| MiMo-V2-Pro | 9.9 | 10.0 | 100.0% | 0 | 3.36s | 83 | 667 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 1.13s | 314 | 0 | |
| MiMo-V2-Pro | 6.4 | 4.4 | 77.8% | 2 | 5.26s | 410 | 1,700 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 3.92s | 222 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 8.19s | 263 | 864 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 856ms | 13 | 0 | |
| MiMo-V2-Pro | 3.0 | 10.0 | 0.0% | 0 | 82.71s | 28 | 15,842 |
快速对比
切换对比组合
GPT-5.4mediumvsQwen3.7 MaxnoneQwen3.7 MaxnonevsGLM 5 TurbomediumGPT-5.2 ChatnonevsMiMo-V2-PromediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2-PromediumGemini 3.5 FlashminimalvsQwen3.7 MaxnoneGemini 3 Flash PreviewnonevsMiMo-V2-PromediumGemma 4 31Bmedium免费可用vsQwen3.7 MaxnoneQwen3.7 MaxnonevsGrok 4.3mediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2-PromediumSeed-2.0-LitemediumvsQwen3.7 MaxnoneGemini 3.1 Flash LitelowvsMiMo-V2-PromediumGemini 3.1 Flash Lite PreviewmediumvsQwen3.7 Maxnone