AI BENCHY 对比
xAI: Grok 4.20 Beta vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Grok 4.20 Beta Grok 4.20 Beta medium | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 排名 | #24 | #22 |
| 平均分 | 7.0 | 7.2 |
| 一致性 | 9.0 | 9.5 |
| 每个结果成本 | 5.989 | 0.316 |
| 总成本 | $0.599 | $0.035 |
| 测试正确 | ||
| 尝试通过率 | 70.8% | 72.9% |
| 不稳定测试 | 2 | 1 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 1,481 | 11,613 |
| 推理令牌 | 86,628 | 106,714 |
| 响应时间（平均） | 8.89s | 25.33s |
| 响应时间（最大） | 24.21s | 96.01s |
| 响应时间（总计） | 142.18s | 253.33s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.19s | 262 | 6,289 | |
| MiMo-V2-Flash | 9.7 | 10.0 | 100.0% | 0 | 16.79s | 1,328 | 18,739 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 20.93s | 227 | 12,212 | |
| MiMo-V2-Flash | 9.0 | 10.0 | 100.0% | 0 | 75.68s | 442 | 26,859 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 9.9 | 10.0 | 100.0% | 0 | 4.01s | 180 | 5,281 | |
| MiMo-V2-Flash | 5.5 | 10.0 | 50.0% | 0 | 0ms | 153 | 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 4.0 | 10.0 | 33.3% | 0 | 21.33s | 251 | 40,255 | |
| MiMo-V2-Flash | 4.0 | 7.2 | 55.6% | 1 | 96.01s | 8,374 | 42,461 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 72 | 3,440 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 4.20s | 87 | 488 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 9.0 | 10.0 | 50.0% | 0 | 4.97s | 57 | 7,107 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 4.28s | 75 | 3,504 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 7.0 | 7.2 | 88.9% | 1 | 3.85s | 249 | 6,660 | |
| MiMo-V2-Flash | 7.0 | 10.0 | 66.7% | 0 | 3.77s | 833 | 1,948 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 Beta | 10.0 | 10.0 | 0.0% | 0 | 12.39s | 183 | 5,384 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 27.78s | 321 | 12,715 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewnonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewlowvsMiMo-V2-FlashmediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2-FlashmediumGemini 3 Flash PreviewnonevsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsGrok 4.20 BetamediumGPT-5.2 ChatnonevsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsGrok 4.20 BetamediumGemini 3.1 Flash Lite PreviewlowvsGrok 4.20 BetamediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumGPT-5.2 ChatnonevsGrok 4.20 Betamedium