AI BENCHY 对比
xAI: Grok 4.20 vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-10
| 指标 | Grok 4.20 Grok 4.20 medium | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 分数 | 6.9 | 7.2 |
| 排名 | #68 | #56 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 63.2% | 66.7% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 57 | 57 |
| 每个结果成本 | 7.559 | 0.341 |
| 总成本 | $0.756 | $0.038 |
| ???? | $1.250 / 1M | $0.100 / 1M |
| ???? | $2.500 / 1M | $0.300 / 1M |
| 输出令牌 | 1,784 | 12,399 |
| 推理令牌 | 128,233 | 115,182 |
| 响应时间（平均） | 14.53s | 21.71s |
| 响应时间（最大） | 63.48s | 96.01s |
| 响应时间（总计） | 276.06s | 282.29s |
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 | 3.95s | 287 | 8,312 | |
| MiMo-V2-Flash | 8.1 | 7.9 | 83.3% | 1 | 15.85s | 1,674 | 23,559 |
| 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-Flash | 4.7 | 1.6 | 66.7% | 1 | 13.03s | 428 | 3,648 |
| 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-Flash | 9.8 | 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 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 180 | 5,333 | |
| MiMo-V2-Flash | 6.5 | 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 | 5.3 | 10.0 | 33.3% | 0 | 27.03s | 375 | 49,339 | |
| MiMo-V2-Flash | 5.9 | 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 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 65 | 6,440 | |
| MiMo-V2-Flash | 4.0 | 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 | 7.3 | 6.0 | 83.3% | 1 | 4.42s | 40 | 5,474 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 4.28s | 75 | 3,504 |
| 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 | 7.7 | 10.0 | 66.7% | 0 | 6.20s | 149 | 7,913 | |
| MiMo-V2-Flash | 7.7 | 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 | 3.0 | 10.0 | 0.0% | 0 | 13.68s | 197 | 6,620 | |
| MiMo-V2-Flash | 10.0 | 10.0 | 100.0% | 0 | 27.78s | 321 | 12,715 |
| 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 |
|---|---|---|---|---|---|---|---|---|
| Grok 4.20 | 3.0 | 10.0 | 0.0% | 0 | 63.48s | 9 | 16,442 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.96s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGrok 4.20mediumRing 2.6 1tnone免费可用vsMiMo-V2-FlashmediumQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumGemma 4 31Bnone免费可用vsGrok 4.20mediumGemini 3.1 Flash LiteminimalvsGrok 4.20mediumClaude Sonnet 4.6nonevsMiMo-V2-FlashmediumGPT-5.5nonevsGrok 4.20mediumGemini 3.1 Flash LitenonevsGrok 4.20mediumQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumDeepSeek V4 FlashhighvsMiMo-V2-FlashmediumClaude Sonnet 4.6nonevsGrok 4.20mediumGPT-5.3 ChatnonevsMiMo-V2-Flashmedium