AI BENCHY 对比
xAI: Grok 4.20 Multi-Agent Beta vs Xiaomi: MiMo-V2-Pro
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-20
| 指标 | Grok 4.20 Multi-Agent Beta Grok 4.20 Multi-Agent Beta medium | MiMo-V2-Pro MiMo-V2-Pro none |
|---|---|---|
| 分数 | 6.2 | 5.8 |
| 排名 | #45 | #54 |
| 一致性 | 7.2 | 8.5 |
| 测试正确 | ||
| 尝试通过率 | 54.9% | 45.1% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 82.962 | 0.659 |
| 总成本 | $4.978 | $0.040 |
| ???? | $2.000 / 1M | $1.000 / 1M |
| ???? | $6.000 / 1M | $3.000 / 1M |
| 输出令牌 | 298,948 | 1,721 |
| 推理令牌 | 296,529 | 0 |
| 响应时间（平均） | 8.64s | 2.31s |
| 响应时间（最大） | 35.28s | 6.58s |
| 响应时间（总计） | 129.64s | 39.25s |
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 Multi-Agent Beta | 6.9 | 5.8 | 75.0% | 2 | 3.46s | 33,706 | 33,077 | |
| MiMo-V2-Pro | 3.5 | 8.0 | 16.7% | 1 | 1.80s | 315 | 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| MiMo-V2-Pro | 3.0 | 10.0 | 0.0% | 0 | 6.58s | 333 | 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 Multi-Agent Beta | 10.0 | 10.0 | 100.0% | 0 | 5.54s | 25,306 | 25,051 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 1.39s | 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 Multi-Agent Beta | 2.9 | 7.2 | 11.1% | 1 | 24.67s | 164,609 | 163,647 | |
| MiMo-V2-Pro | 5.3 | 7.2 | 44.4% | 1 | 1.78s | 26 | 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 Multi-Agent Beta | 5.8 | 2.8 | 66.7% | 1 | 6.40s | 15,848 | 15,746 | |
| MiMo-V2-Pro | 4.3 | 9.9 | 0.0% | 0 | 2.44s | 125 | 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 Multi-Agent Beta | 8.3 | 10.0 | 50.0% | 0 | 4.63s | 25,457 | 25,322 | |
| MiMo-V2-Pro | 6.5 | 10.0 | 50.0% | 0 | 2.51s | 69 | 0 |
| 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 Multi-Agent Beta | 7.2 | 5.1 | 77.8% | 2 | 5.01s | 34,022 | 33,686 | |
| MiMo-V2-Pro | 6.0 | 7.1 | 55.6% | 1 | 1.83s | 327 | 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 Multi-Agent Beta | 3.0 | 10.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| MiMo-V2-Pro | 10.0 | 10.0 | 100.0% | 0 | 4.39s | 277 | 0 |
快速对比
切换对比组合
MiniMax M2.5medium免费可用vsMiMo-V2-PrononeDeepSeek V3.2nonevsGrok 4.20 Multi-Agent BetamediumMistral Small 4mediumvsMiMo-V2-PrononeQwen3.5-FlashnonevsGrok 4.20 Multi-Agent Betamediumgpt-oss-120bmedium免费可用vsMiMo-V2-PrononeSeed-2.0-LitenonevsGrok 4.20 Multi-Agent BetamediumGemini 2.5 FlashnonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-35B-A3BnonevsGrok 4.20 Multi-Agent BetamediumHunter AlphanonevsGrok 4.20 Multi-Agent BetamediumQwen3.5-122B-A10BnonevsGrok 4.20 Multi-Agent BetamediumGPT-5 NanomediumvsMiMo-V2-PrononeGrok 4.20 Multi-Agent BetamediumvsGLM 5none