AI BENCHY 对比
xAI: Grok 4.20 vs Xiaomi: MiMo-V2-Omni
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-Omni MiMo-V2-Omni none |
|---|---|---|
| 分数 | 6.9 | 6.3 |
| 排名 | #68 | #81 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.3 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 63.2% | 43.9% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 57 | 49 |
| 每个结果成本 | 7.559 | 0.241 |
| 总成本 | $0.756 | $0.020 |
| ???? | $1.250 / 1M | $0.400 / 1M |
| ???? | $2.500 / 1M | $2.000 / 1M |
| 输出令牌 | 1,784 | 2,254 |
| 推理令牌 | 128,233 | 0 |
| 响应时间（平均） | 14.53s | 2.37s |
| 响应时间（最大） | 63.48s | 6.81s |
| 响应时间（总计） | 276.06s | 45.03s |
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-Omni | 3.6 | 8.4 | 8.3% | 1 | 1.63s | 773 | 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-Omni | 6.6 | 10.0 | 0.0% | 0 | 1.72s | 399 | 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-Omni | 3.0 | 10.0 | 0.0% | 0 | 5.96s | 387 | 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-Omni | 10.0 | 10.0 | 100.0% | 0 | 1.76s | 147 | 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-Omni | 5.3 | 10.0 | 33.3% | 0 | 2.10s | 24 | 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 | 3.9 | 2.6 | 33.3% | 1 | 24.48s | 65 | 6,440 | |
| MiMo-V2-Omni | 4.1 | 10.0 | 0.0% | 0 | 2.33s | 103 | 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 | 6.0 | 83.3% | 1 | 4.42s | 40 | 5,474 | |
| MiMo-V2-Omni | 6.5 | 10.0 | 50.0% | 0 | 4.26s | 30 | 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 | 7.7 | 10.0 | 66.7% | 0 | 6.20s | 149 | 7,913 | |
| MiMo-V2-Omni | 10.0 | 10.0 | 100.0% | 0 | 1.16s | 148 | 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-Omni | 10.0 | 10.0 | 100.0% | 0 | 5.40s | 231 | 0 |
| 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-Omni | 3.0 | 10.0 | 0.0% | 0 | 1.30s | 12 | 0 |
快速对比
切换对比组合
DeepSeek V4 ProhighvsGrok 4.20mediumGemma 4 31Bnone免费可用vsGrok 4.20mediumMercury 2mediumvsMiMo-V2-OmninoneGemini 3.1 Flash LiteminimalvsGrok 4.20mediumGPT-5 NanomediumvsMiMo-V2-OmninoneGPT-5.5nonevsGrok 4.20mediumGrok 4.1 FastmediumvsMiMo-V2-OmninoneGemini 3.1 Flash LitenonevsGrok 4.20mediumNemotron 3 Supermedium免费可用vsMiMo-V2-OmninoneQwen3.5 Plus 2026-02-15nonevsGrok 4.20mediumOwl AlphamediumvsMiMo-V2-OmninoneClaude Sonnet 4.6nonevsGrok 4.20medium