AI BENCHY 对比
xAI: Grok Build 0.1 vs Xiaomi: MiMo-V2-Flash
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | Grok Build 0.1 Grok Build 0.1 none | MiMo-V2-Flash MiMo-V2-Flash medium |
|---|---|---|
| 分数 | 6.6 | 7.1 |
| 排名 | #82 | #67 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.0 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 60.4% | 63.3% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 57 | 60 |
| 每个结果成本 | 7.805 | 0.345 |
| 总成本 | $0.547 | $0.038 |
| ???? | $1.000 / 1M | $0.100 / 1M |
| ???? | $2.000 / 1M | $0.300 / 1M |
| 输出令牌 | 267,275 | 12,427 |
| 推理令牌 | 0 | 115,182 |
| 响应时间（平均） | 28.69s | 20.26s |
| 响应时间（最大） | 138.35s | 96.01s |
| 响应时间（总计） | 459.00s | 283.68s |
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 | 8.7 | 7.9 | 91.7% | 1 | 6.30s | 11,162 | 0 | |
| 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 Build 0.1 | 10.0 | 10.0 | 100.0% | 0 | 21.41s | 16,568 | 0 | |
| MiMo-V2-Flash | 4.1 | 5.8 | 33.3% | 1 | 7.20s | 456 | 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 Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| 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 Build 0.1 | 4.7 | 1.6 | 66.7% | 1 | 9.33s | 6,359 | 0 | |
| 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 Build 0.1 | 3.6 | 7.2 | 22.2% | 1 | 103.71s | 179,469 | 0 | |
| 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 Build 0.1 | 4.3 | 10.0 | 0.0% | 0 | 12.47s | 6,647 | 0 | |
| 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 Build 0.1 | 9.8 | 10.0 | 100.0% | 0 | 7.36s | 8,970 | 0 | |
| 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 Build 0.1 | 6.4 | 7.7 | 55.6% | 1 | 9.55s | 14,982 | 0 | |
| 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 Build 0.1 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | |
| 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 Build 0.1 | 3.0 | 10.0 | 0.0% | 0 | 36.09s | 23,118 | 0 | |
| MiMo-V2-Flash | 3.0 | 10.0 | 0.0% | 0 | 1.96s | 12 | 0 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsMiMo-V2-FlashmediumQwen3.6 27BmediumvsGrok Build 0.1noneDeepSeek V4 ProhighvsGrok Build 0.1noneQwen3.6 Max PreviewnonevsMiMo-V2-FlashmediumKimi K2.5mediumvsGrok Build 0.1noneGemini 3.1 Flash LiteminimalvsGrok Build 0.1noneRing-2.6-1TnonevsMiMo-V2-FlashmediumGPT-5 MinimediumvsGrok Build 0.1noneGrok Build 0.1nonevsMiMo-V2-OmnimediumDeepSeek V4 Flashhigh免费可用vsMiMo-V2-FlashmediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumGemma 4 31Bnone免费可用vsMiMo-V2-Flashmedium