????
$1.000 / 1M
????
$3.000 / 1M
不稳定测试
3
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-05-08 15:28 测试集已变更 | 8.1 | 10.0 | $0.200 | 当前轮次 | |
| 2026-04-22 22:54 首次记录的运行 | 8.1 | 不适用 | $0.201 | 比较 |
此轮次使用了不同的基准测试集。解读历史变化时请将测试集变动考虑在内。
轮次对比
| 测试轮次 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 12:55 · 当前轮次 | 7.6 | 8.9 | 10.0 | 12/20 | 3 | 85,258 | $0.289 | 21.77s |
| 2026-04-22 22:54 · 首次记录的运行 | 8.1 | 8.8 | 不适用 | 12/18 | 3 | 55,306 | $0.201 | 16.17s |
| 差值 | -0.5 | +0.1 | 0 | 0 | +29952 | +$0.089 | +5594ms |
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
MiMo-V2.5-PromediumvsGrok 4.3mediumMiMo-V2.5-PromediumvsQwen3.6 PlusmediumMiMo-V2.5-PromediumvsQwen3.6 35B A3BmediumMiMo-V2.5-PromediumvsGemini 3.1 Flash Lite PreviewmediumMiMo-V2.5-PromediumvsGemini 3.1 Flash LitemediumMiMo-V2.5-PromediumvsGemini 3 Flash PreviewmediumMiMo-V2.5-PromediumvsGemini 3.5 FlashhighMiMo-V2.5-PromediumvsRing-2.6-1TmediumMiMo-V2.5-PromediumvsGemini 3.5 Flashlow