AI BENCHY 对比
xAI: Grok 4.20 vs Xiaomi: MiMo-V2.5-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-22
| 指标 | Grok 4.20 Grok 4.20 medium | MiMo-V2.5-Pro MiMo-V2.5-Pro none |
|---|---|---|
| 分数 | 7.0 | 5.8 |
| 排名 | #49 | #72 |
| 一致性 | 7.8 | 8.3 |
| 测试正确 | ||
| 尝试通过率 | 66.7% | 46.3% |
| 不稳定测试 | 5 | 4 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 8.252 | 0.535 |
| 总成本 | $0.743 | $0.033 |
| ???? | $2.000 / 1M | $1.000 / 1M |
| ???? | $6.000 / 1M | $3.000 / 1M |
| 输出令牌 | 1,744 | 2,451 |
| 推理令牌 | 109,882 | 0 |
| 响应时间（平均） | 10.33s | 1.51s |
| 响应时间（最大） | 29.87s | 3.54s |
| 响应时间（总计） | 185.87s | 27.21s |
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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 8.2 | 7.9 | 83.3% | 1 | 3.36s | 280 | 8,476 | |
| MiMo-V2.5-Pro | 2.9 | 7.9 | 8.3% | 1 | 1.29s | 366 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 4.3 | 1.1 | 66.7% | 1 | 24.33s | 250 | 12,804 | |
| MiMo-V2.5-Pro | 6.4 | 3.3 | 66.7% | 1 | 2.39s | 452 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 17.40s | 232 | 9,556 | |
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 3.54s | 596 | 0 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 180 | 5,333 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 1.32s | 249 | 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 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 375 | 49,339 | |
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 877ms | 27 | 0 |
| 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 | 5.8 | 2.8 | 66.7% | 1 | 7.09s | 47 | 4,252 | |
| MiMo-V2.5-Pro | 4.5 | 10.0 | 0.0% | 0 | 1.53s | 140 | 0 |
| 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 | 7.3 | 5.9 | 83.3% | 1 | 4.42s | 40 | 5,474 | |
| MiMo-V2.5-Pro | 6.4 | 10.0 | 50.0% | 0 | 1.03s | 66 | 0 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 6.4 | 7.7 | 55.6% | 1 | 3.89s | 143 | 8,028 | |
| MiMo-V2.5-Pro | 6.7 | 4.7 | 77.8% | 2 | 1.32s | 297 | 0 |
| 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 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 197 | 6,620 | |
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.30s | 258 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsMiMo-V2.5-PrononeGemma 4 31Bnone免费可用vsGrok 4.20mediumMiniMax M2.5medium免费可用vsMiMo-V2.5-PrononeMistral Small 4mediumvsMiMo-V2.5-PrononeQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumGrok 4.20mediumvsGLM 5noneClaude Sonnet 4.6nonevsGrok 4.20mediumGPT-5 NanomediumvsMiMo-V2.5-PrononeGrok 4.20mediumvsMiMo-V2-OmninoneMiniMax M2.7mediumvsMiMo-V2.5-PrononeElephant AlphamediumvsMiMo-V2.5-PrononeGPT-5.3 ChatnonevsGrok 4.20medium