导航
AI BENCHY
Advertise here

AI BENCHY 对比

xAI: Grok 4.20 vs Xiaomi: MiMo-V2.5

摘要

Grok 4.20 vs MiMo-V2.5 benchmark 对比：Grok 4.20 平均分领先，为 7.3 vs 6.7。 MiMo-V2.5 benchmark 成本更低，为 $0.063 vs $0.609。 MiMo-V2.5 更快，为 27.11s vs 27.68s，通过率为 63.5% vs 69.8%。

推荐模型: MiMo-V2.5 - 它的得分接近这里的最高分（6.7 vs 7.3），同时成本比Grok 4.20低约 9.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 Grok 4.20 Grok 4.20 medium 发布日期: 2026-03-31 MiMo-V2.5 MiMo-V2.5 medium 发布日期: 2026-04-22
分数 7.3 6.7
排名 #53 #76
可靠性 10.0 10.0
一致性 8.8 8.1
测试正确
尝试通过率 63.5% 69.8%
不稳定测试 3 5
总运行次数 63 63
每个结果成本 8.309 2.966
总成本 $0.609 $0.063
输入价格 $1.250 / 1M $0.140 / 1M
输出价格 $2.500 / 1M $0.280 / 1M
总输入令牌 44,433 41,838
输出令牌 1,819 2,827
推理令牌 219,524 198,898
响应时间（平均） 27.68s 27.11s
响应时间（最大） 199.66s 162.44s
响应时间（总计） 581.26s 569.38s

生成展示

Hamster playing table tennis

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

#53 xAI: Grok 4.20

medium
成本
$0.041
时间
110.3s
令牌
16,336 tok

#76 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
Grok 4.20 8.2 7.9 83.3% 1 3.95s 2,010 287 8,312
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
Grok 4.20 6.3 6.6 55.6% 1 109.93s 8,307 268 103,150
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
Grok 4.20 10.0 10.0 100.0% 0 17.40s 12,909 232 9,556
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
Grok 4.20 10.0 10.0 100.0% 0 4.17s 7,761 180 5,333
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
Grok 4.20 5.3 10.0 33.3% 0 27.03s 1,764 375 49,339
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
Grok 4.20 3.9 2.6 33.3% 1 24.48s 825 65 6,440
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
Grok 4.20 9.8 10.0 100.0% 0 4.26s 1,362 57 6,419
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
Grok 4.20 7.7 10.0 66.7% 0 6.22s 1,689 149 7,913
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
Grok 4.20 3.0 10.0 0.0% 0 13.68s 7,275 197 6,620
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
Grok 4.20 3.0 10.0 0.0% 0 63.48s 531 9 16,442
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

Gemini 3 Flash PreviewlowvsGrok 4.20mediumClaude Sonnet 4.6nonevsGrok 4.20mediumGemini 3.5 FlashminimalvsMiMo-V2.5mediumClaude Opus 4.8nonevsGrok 4.20mediumQwen3.7 MaxnonevsMiMo-V2.5mediumGPT-5.3 ChatnonevsGrok 4.20mediumDeepSeek V4 PrononevsGrok 4.20mediumQwen3.7 PlusnonevsGrok 4.20mediumGemini 3 Flash PreviewnonevsMiMo-V2.5mediumGrok 4.20mediumvsGLM 5.2noneGemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5mediumStep 3.7 FlashhighvsGrok 4.20medium