AI BENCHY 对比
xAI: Grok Build 0.1 vs Xiaomi: MiMo-V2.5
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-21
| 指标 | Grok Build 0.1 Grok Build 0.1 medium | MiMo-V2.5 MiMo-V2.5 medium |
|---|---|---|
| 分数 | 7.8 | 7.8 |
| 排名 | #41 | #37 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 71.9% | 75.9% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 57 | 54 |
| 每个结果成本 | 4.064 | 2.101 |
| 总成本 | $0.488 | $0.253 |
| ???? | $1.000 / 1M | $0.400 / 1M |
| ???? | $2.000 / 1M | $2.000 / 1M |
| 输出令牌 | 1,947 | 2,821 |
| 推理令牌 | 223,372 | 116,207 |
| 响应时间（平均） | 22.28s | 14.40s |
| 响应时间（最大） | 88.28s | 86.93s |
| 响应时间（总计） | 423.30s | 259.20s |
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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 5.46s | 195 | 9,825 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 4.14s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 7.3 | 3.7 | 66.7% | 1 | 30.98s | 354 | 17,734 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 31.48s | 488 | 14,813 |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 30.81s | 231 | 18,779 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 16.86s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 7.76s | 180 | 10,343 | |
| MiMo-V2.5 | 2.7 | 5.7 | 16.7% | 1 | 6.33s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 5.3 | 10.0 | 33.3% | 0 | 77.75s | 501 | 111,807 | |
| MiMo-V2.5 | 5.3 | 10.0 | 33.3% | 0 | 34.53s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 3.8 | 2.5 | 33.3% | 1 | 10.14s | 78 | 5,386 | |
| MiMo-V2.5 | 5.4 | 2.5 | 66.7% | 1 | 5.37s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 9.62s | 57 | 12,436 | |
| MiMo-V2.5 | 9.9 | 10.0 | 100.0% | 0 | 1.80s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 6.2 | 7.5 | 55.6% | 1 | 8.67s | 161 | 15,476 | |
| MiMo-V2.5 | 8.2 | 7.2 | 88.9% | 1 | 20.60s | 364 | 33,211 |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 9.40s | 180 | 5,319 | |
| MiMo-V2.5 | 10.0 | 10.0 | 100.0% | 0 | 7.29s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Grok Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 26.07s | 10 | 16,267 | |
| MiMo-V2.5 | - | - | - | - | - | - | - | - |
快速对比
切换对比组合
Gemini 3.1 Flash Lite PreviewlowvsMiMo-V2.5mediumGemini 3 Flash PreviewnonevsMiMo-V2.5mediumGemini 3.1 Flash Lite PreviewnonevsGrok Build 0.1mediumGemini 3.1 Flash Lite PreviewlowvsGrok Build 0.1mediumGemini 3 Flash PreviewnonevsGrok Build 0.1mediumGPT-5.2 ChatnonevsGrok Build 0.1mediumGemini 3.1 Flash Lite PreviewnonevsMiMo-V2.5mediumGemini 3.1 Flash LitelowvsGrok Build 0.1mediumGPT-5.3 ChatnonevsGrok Build 0.1mediumGPT-5.2 ChatnonevsMiMo-V2.5mediumDeepSeek V4 Flashhigh免费可用vsGrok Build 0.1mediumGemini 3.1 Flash LitelowvsMiMo-V2.5medium