#123 MiMo-V2.5-Pro
none- Cost
- $0.004
- Time
- 46.4s
- Tokens
- 4,025 tok
AI BENCHY 对比
Xiaomi: MiMo-V2.5-Pro vs Z.ai: GLM 5
摘要
MiMo-V2.5-Pro vs GLM 5 benchmark 对比：GLM 5 平均分领先，为 6.1 vs 5.5。 MiMo-V2.5-Pro benchmark 成本更低，为 $0.017 vs $0.027。 MiMo-V2.5-Pro 更快，为 1.78s vs 4.03s，通过率为 39.7% vs 44.4%。
推荐模型: MiMo-V2.5-Pro - 它的得分接近这里的最高分（5.5 vs 6.1），同时成本比GLM 5低约 1.6 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04
| 指标 | MiMo-V2.5-Pro MiMo-V2.5-Pro none | GLM 5 GLM 5 none |
|---|---|---|
| 分数 | 5.5 | 6.1 |
| 排名 | #123 | #98 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 9.7 |
| 测试正确 | ||
| 尝试通过率 | 39.7% | 44.4% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 63 | 63 |
| 每个结果成本 | 0.648 | 0.263 |
| 总成本 | $0.017 | $0.027 |
| 输入价格 | $0.435 / 1M | $0.600 / 1M |
| 输出价格 | $0.870 / 1M | $1.920 / 1M |
| 总输入令牌 | 30,724 | 37,135 |
| 输出令牌 | 3,043 | 1,989 |
| 推理令牌 | 0 | 0 |
| 响应时间（平均） | 1.78s | 4.03s |
| 响应时间（最大） | 8.32s | 11.07s |
| 响应时间（总计） | 37.42s | 56.37s |
Generation showcase
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#98 GLM 5
none- Cost
- $0.007
- Time
- 32.1s
- Tokens
- 2,023 tok
按分数排名的模型
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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 3.3 | 8.1 | 8.3% | 1 | 2.67s | 645 | 994 | 0 | |
| GLM 5 | 4.8 | 10.0 | 25.0% | 0 | 2.37s | 510 | 275 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 4.3 | 7.8 | 22.2% | 1 | 1.41s | 6,559 | 485 | 0 | |
| GLM 5 | 4.0 | 7.8 | 11.1% | 1 | 5.12s | 7,256 | 428 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 3.54s | 4,695 | 596 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 4.98s | 12,812 | 406 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 1.32s | 7,758 | 249 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 5.78s | 7,107 | 203 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 5.3 | 10.0 | 33.3% | 0 | 877ms | 753 | 27 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 2.24s | 643 | 19 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 4.0 | 10.0 | 0.0% | 0 | 2.58s | 498 | 87 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 3.27s | 477 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 6.4 | 10.0 | 50.0% | 0 | 1.03s | 684 | 66 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 1.48s | 636 | 61 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 6.7 | 4.7 | 77.8% | 2 | 1.30s | 678 | 267 | 0 | |
| GLM 5 | 7.7 | 10.0 | 66.7% | 0 | 1.91s | 609 | 261 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 10.0 | 10.0 | 100.0% | 0 | 3.30s | 8,238 | 258 | 0 | |
| GLM 5 | 10.0 | 10.0 | 100.0% | 0 | 11.07s | 6,899 | 220 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 3.0 | 10.0 | 0.0% | 0 | 1.89s | 216 | 14 | 0 | |
| GLM 5 | 3.0 | 10.0 | 0.0% | 0 | 3.62s | 186 | 13 | 0 |
快速对比
切换对比组合
gpt-oss-120bmedium免费可用vsGLM 5noneCobuddymediumvsMiMo-V2.5-PrononeDeepSeek V4 ProhighvsGLM 5noneMiniMax M2.5mediumvsMiMo-V2.5-PrononeGPT-5 NanomediumvsGLM 5noneMiniMax M2.7mediumvsMiMo-V2.5-PrononeMistral Small 4mediumvsMiMo-V2.5-PrononeNemotron 3 Supermedium免费可用vsMiMo-V2.5-PrononeGemini 3.1 Flash LiteminimalvsGLM 5noneNemotron 3 Supermedium免费可用vsGLM 5noneMercury 2mediumvsGLM 5noneDeepSeek V4 ProhighvsMiMo-V2.5-Pronone