Direktvergleich
Grok 4.6 vs. MiMo-V2.5-Pro
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 41
- verschiedene Benchmarks
- 19
- jüngster Abruf
- 04.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
| Merkmal | Grok 4.6 | MiMo-V2.5-Pro |
|---|---|---|
| Anbieter | xAI | Xiaomi |
| Erschienen | 12. Aug. 2026 | 23. Apr. 2026 |
| Verfügbarkeit | Aktiv | Open Source |
| Modelltyp | Proprietär | Open Weights |
| Parameter | Nicht veröffentlicht | 1 Billionen, 42 Mrd. aktiv |
| Architektur | Nicht veröffentlicht | Mixture of Experts |
| Kontextfenster | 500.000 Token | 1.000.000 Token |
| Wissensstand | 1. Februar 2026 | Nicht veröffentlicht |
| Technische Quellen | Modell | Modell |
Kosten
API-Preise im Vergleich
Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Preisart | Grok 4.6 | MiMo-V2.5-Pro |
|---|---|---|
| API-Eingabe | 2 $ ≤200K / 4 $ >200K | 0,43 $ |
| API-Ausgabe | 6 $ ≤200K / 12 $ >200K | 0,87 $ |
| Cache lesen | 0,5 $ ≤200K / 1 $ >200K | 0, $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 16.08.2026 Quelle | 31.07.2026 Quelle |
Grok 4.6MiMo-V2.5-Pro
API-EingabeUSD pro 1 Mio. Token, Basistarif
Grok 4.62 $
MiMo-V2.5-ProGünstiger0,435 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Grok 4.66 $
MiMo-V2.5-ProGünstiger0,87 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Grok 4.60,5 $
MiMo-V2.5-ProGünstiger0,004 $
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Preise nach Anbieter
Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.
| Modell | Anbieter | Bezugsweg und Tarif | Eingabe pro 1 Mio. Token | Ausgabe pro 1 Mio. Token | Quelle |
|---|---|---|---|---|---|
| Grok 4.6 | xAI | Direkt beim EntwicklerBis 200.000 Kontext-Token | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle16.08.2026 |
| xAI | Direkt beim EntwicklerÜber 200.000 Kontext-Token | 4 $ | 12 $ | Quelle16.08.2026 | |
| Amazon Bedrock | Über OpenRouteramazon-bedrock/us-west-2 | 2,2 $ | 6,6 $ | Quelle06.09.2026 | |
| xAI | Über OpenRouterxai | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle06.09.2026 | |
| xAI | Über OpenRouterxai/priority | 4 $ | 12 $ | Quelle06.09.2026 | |
| xAI | Über OpenRouterxai/zdr | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle06.09.2026 | |
| xAI | Über OpenRouterxai/zdr/priority | 4 $ | 12 $ | Quelle06.09.2026 | |
| MiMo-V2.5-Pro | Xiaomi | Direkt beim EntwicklerStandard-API | 0,435 $ | 0,87 $ | Quelle31.07.2026 |
| AtlasCloud | Über OpenRouteratlas-cloud/fp8 | 0,435 $ | 0,87 $ | Quelle06.09.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp8 | 0,39 $ | 1,17 $ | Quelle06.09.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 0,4 $ | 1,5 $ | Quelle06.09.2026 | |
| GMICloud | Über OpenRoutergmicloud/bf16 | Günstigster erfasster Preis: 0,3045 $ | Günstigster erfasster Preis: 0,609 $ | Quelle06.09.2026 | |
| Novita | Über OpenRouternovita | 0,4802 $ | 0,9605 $ | Quelle06.09.2026 | |
| StreamLake | Über OpenRouterstreamlake | 0,522 $ | 1,044 $ | Quelle06.09.2026 | |
| Xiaomi | Über OpenRouterxiaomi/fp8 | 0,435 $ | 0,87 $ | Quelle06.09.2026 |
Leistung
Gemeinsame Benchmarks
Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.
Fähigkeitsprofil aus vergleichbaren Benchmarks
Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.
Grok 4.6
MiMo-V2.5-Pro
Coding: 100 / 65,7 (4 Benchmarkfamilien)
Reasoning: 100 / 87,2 (1 Benchmarkfamilie)
Mathematik: 100 / 43,1 (1 Benchmarkfamilie)
Wissen: 100 / 94,6 (1 Benchmarkfamilie)
Finanzen: 99,1 / 89,5 (4 Benchmarkfamilien)
Recht: 100 / 45,2 (3 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 73,2 (1 Benchmarkfamilie)
Gesundheit: 100 / 84,7 (2 Benchmarkfamilien)
18 passende Messreihen aus 18 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 9 vergleichbaren Kategorien.
Grok 4.6MiMo-V2.5-Pro
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner44,572 %
MiMo-V2.5-Pro21,557 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner66,161 %
MiMo-V2.5-Pro61,422 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner62,727 %
MiMo-V2.5-Pro55,228 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner53,682 %
MiMo-V2.5-Pro41,502 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner94,697 %
MiMo-V2.5-Pro82,576 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner15,833 %
MiMo-V2.5-Pro2,083 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner48,077 %
MiMo-V2.5-Pro15,865 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner86,307 %
MiMo-V2.5-Pro77,129 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner88,224 %
MiMo-V2.5-Pro81,354 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Grok 4.61.461,115
MiMo-V2.5-ProHöherer Messwert1.468,271
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner44,712 %
MiMo-V2.5-Pro32,484 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.6Gewinner86,534 %
MiMo-V2.5-Pro83,73 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Grok 4.6 | MiMo-V2.5-Pro | Quelle |
|---|---|---|---|
Code MigrationOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner44,572 % | 21,557 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
CorpFin v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner66,161 % | 61,422 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
EMBOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner62,727 % | 55,228 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
Finance Agent (v2)OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner53,682 % | 41,502 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
GPQA DiamondOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner94,697 % | 82,576 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
Harvey's Legal Agent BenchmarkOverall · Task fully resolvedTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser | Gewinner15,833 % | 2,083 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
Legal Research BenchOverall · All-passTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser | Gewinner48,077 % | 15,865 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
LegalBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,307 % | 77,129 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
LiveCodeBench v6OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner88,224 % | 81,354 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlOverallTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 3.453 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 57.416 anonymen Paarvergleichen. | 1.461,115 95-%-Konfidenzintervall: ±10,144Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.468,271 95-%-Konfidenzintervall: ±3,92Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
MedCodeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner44,712 % | 32,484 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
MedScribeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,534 % | 83,73 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
MMLU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner89,4 % | 84,595 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
ProofBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner51 % | 22 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
SWE-bench VerifiedOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner95,6 % | 74 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
TaxEval v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 71,096 % | Gewinner73,794 % | Vals AIQuellendetailsDatenstand: 01.09.2026 |
Terminal-Bench 2.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner78,277 % | 57,303 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
Vals IndexOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser | Gewinner59,167 % | 40,974 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
Vibe Code Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands | Gewinner76,239 % | 34,113 % | Vals AIQuellendetailsDatenstand: 03.09.2026 |
LMArena Text, Style ControlBusiness, management and financeTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 705 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 11.336 anonymen Paarvergleichen. | 1.467,318 95-%-Konfidenzintervall: ±22,146Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.471,792 95-%-Konfidenzintervall: ±6,73Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlChineseTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 291 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 3.151 anonymen Paarvergleichen. | Höherer Messwert1.538,386 95-%-Konfidenzintervall: ±33,69Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.511,885 95-%-Konfidenzintervall: ±11,287Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlCodingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 838 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 15.755 anonymen Paarvergleichen. | 1.510,751 95-%-Konfidenzintervall: ±20,826Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.520,349 95-%-Konfidenzintervall: ±6,131Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlCreative writingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 651 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 10.262 anonymen Paarvergleichen. | Höherer Messwert1.458,096 95-%-Konfidenzintervall: ±23,926Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.435,028 95-%-Konfidenzintervall: ±7,065Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlEnglishTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 1.434 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 24.800 anonymen Paarvergleichen. | 1.459,46 95-%-Konfidenzintervall: ±15,407Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.481,475 95-%-Konfidenzintervall: ±5,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlEntertainment, sports and mediaTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 777 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 12.963 anonymen Paarvergleichen. | Höherer Messwert1.443,149 95-%-Konfidenzintervall: ±21,821Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.439,755 95-%-Konfidenzintervall: ±6,517Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlExcluding tiesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 2.522 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 43.689 anonymen Paarvergleichen. | 1.465,128 95-%-Konfidenzintervall: ±14,002Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.473,632 95-%-Konfidenzintervall: ±5,043Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlExpert promptsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 401 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 5.454 anonymen Paarvergleichen. | 1.479,844 95-%-Konfidenzintervall: ±28,841Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.505,424 95-%-Konfidenzintervall: ±8,821Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlHard promptsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 2.312 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 37.619 anonymen Paarvergleichen. | 1.484,219 95-%-Konfidenzintervall: ±12,5Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.496,232 95-%-Konfidenzintervall: ±4,621Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlHard prompts, EnglishTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 927 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 16.903 anonymen Paarvergleichen. | 1.475,235 95-%-Konfidenzintervall: ±19,394Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.503,672 95-%-Konfidenzintervall: ±5,935Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlInstruction followingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 1.223 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 18.986 anonymen Paarvergleichen. | 1.458,276 95-%-Konfidenzintervall: ±17,043Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.470,886 95-%-Konfidenzintervall: ±5,661Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlLegal and governmentTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 284 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 4.667 anonymen Paarvergleichen. | Höherer Messwert1.475,664 95-%-Konfidenzintervall: ±33,128Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.475,096 95-%-Konfidenzintervall: ±9,506Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlLife, physical and social scienceTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 512 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 9.330 anonymen Paarvergleichen. | Höherer Messwert1.492,359 95-%-Konfidenzintervall: ±25,684Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.489,986 95-%-Konfidenzintervall: ±7,065Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlLonger queriesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 1.609 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 25.308 anonymen Paarvergleichen. | 1.478,218 95-%-Konfidenzintervall: ±15,132Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.486,38 95-%-Konfidenzintervall: ±5,381Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlMathTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 216 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 2.709 anonymen Paarvergleichen. | 1.426,012 95-%-Konfidenzintervall: ±40,021Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.476,197 95-%-Konfidenzintervall: ±11,79Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlMathematical professionsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 212 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 3.049 anonymen Paarvergleichen. | 1.456,037 95-%-Konfidenzintervall: ±39,211Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.490,74 95-%-Konfidenzintervall: ±11,451Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlMedicine and healthcareTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 225 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 4.093 anonymen Paarvergleichen. | 1.460,477 95-%-Konfidenzintervall: ±37,871Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.487,611 95-%-Konfidenzintervall: ±10,209Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlMulti-turnTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 569 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 10.034 anonymen Paarvergleichen. | 1.446,12 95-%-Konfidenzintervall: ±25,079Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.477,793 95-%-Konfidenzintervall: ±7,08Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlNon-EnglishTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 2.019 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 32.616 anonymen Paarvergleichen. | Höherer Messwert1.456,123 95-%-Konfidenzintervall: ±13,128Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.451,502 95-%-Konfidenzintervall: ±4,696Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlRussianTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 413 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 6.357 anonymen Paarvergleichen. | 1.446,297 95-%-Konfidenzintervall: ±28,9Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.461,737 95-%-Konfidenzintervall: ±8,195Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlSoftware and IT servicesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 1.379 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 22.807 anonymen Paarvergleichen. | 1.503,685 95-%-Konfidenzintervall: ±16,15Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.508,236 95-%-Konfidenzintervall: ±5,348Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
LMArena Text, Style ControlWriting, literature and languageTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.6: Snapshot: grok-4.6-high, Reasoning: high, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.6: Stilbereinigte Arena-Bewertung aus 921 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 14.537 anonymen Paarvergleichen. | 1.445,223 95-%-Konfidenzintervall: ±19,746Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Höherer Messwert1.452,221 95-%-Konfidenzintervall: ±6,177Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 01.09.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
So liest du den Vergleich
Ein Benchmark-Sieg ist kein Gesamturteil
Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.
Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.
Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.
Weitere Duelle
Ähnliche LLM-Vergleiche
Vergleiche Grok 4.6 und MiMo-V2.5-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.