Direktvergleich

MiMo-V2.5 vs. MiMo-V2.5-Pro

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 101
verschiedene Benchmarks: 19
jüngster Abruf: 04.09.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von MiMo-V2.5 und MiMo-V2.5-Pro
Merkmal	MiMo-V2.5	MiMo-V2.5-Pro
Anbieter	Xiaomi	Xiaomi
Erschienen	23. Apr. 2026	23. Apr. 2026
Verfügbarkeit	Open Source	Open Source
Modelltyp	Open Weights	Open Weights
Parameter	310 Mrd., 15 Mrd. aktiv	1 Billionen, 42 Mrd. aktiv
Architektur	Mixture of Experts	Mixture of Experts
Kontextfenster	1.000.000 Token	1.000.000 Token
Wissensstand	Nicht veröffentlicht	Nicht veröffentlicht
Technische Quellen	Modell, Kontext	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.

API-Preise von MiMo-V2.5 und MiMo-V2.5-Pro
Preisart	MiMo-V2.5	MiMo-V2.5-Pro
API-Eingabe	0,14 $	0,43 $
API-Ausgabe	0,28 $	0,87 $
Cache lesen	0, $	0, $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	31.07.2026 Quelle	31.07.2026 Quelle

MiMo-V2.5MiMo-V2.5-Pro

API-EingabeUSD pro 1 Mio. Token, Basistarif

MiMo-V2.50,14 $

MiMo-V2.5-Pro0,435 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

MiMo-V2.50,28 $

MiMo-V2.5-Pro0,87 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

MiMo-V2.50,003 $

MiMo-V2.5-Pro0,004 $

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.

Anbieterpreise von MiMo-V2.5 und MiMo-V2.5-Pro
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
MiMo-V2.5	Xiaomi	Direkt beim EntwicklerStandard-API	0,14 $	0,28 $	Quelle31.07.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,13 $	0,65 $	Quelle08.09.2026
	GMICloud	Über OpenRoutergmicloud/fp8	Günstigster erfasster Preis: 0,119 $	Günstigster erfasster Preis: 0,238 $	Quelle08.09.2026
	Novita	Über OpenRouternovita/fp8	0,168 $	0,336 $	Quelle08.09.2026
	StreamLake	Über OpenRouterstreamlake	0,168 $	0,336 $	Quelle08.09.2026
	Xiaomi	Über OpenRouterxiaomi/fp8	0,14 $	0,28 $	Quelle08.09.2026
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 $	Quelle08.09.2026
	DeepInfra	Über OpenRouterdeepinfra/fp8	0,39 $	1,17 $	Quelle08.09.2026
	DigitalOcean	Über OpenRouterdigitalocean	0,4 $	1,5 $	Quelle08.09.2026
	GMICloud	Über OpenRoutergmicloud/bf16	Günstigster erfasster Preis: 0,3045 $	Günstigster erfasster Preis: 0,609 $	Quelle08.09.2026
	Novita	Über OpenRouternovita	0,4802 $	0,9605 $	Quelle08.09.2026
	StreamLake	Über OpenRouterstreamlake	0,522 $	1,044 $	Quelle08.09.2026
	Xiaomi	Über OpenRouterxiaomi/fp8	0,435 $	0,87 $	Quelle08.09.2026

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.

MiMo-V2.5

MiMo-V2.5-Pro

Coding: 89,2 / 96,1 (5 Benchmarkfamilien)

Reasoning: 98,3 / 100 (2 Benchmarkfamilien)

Mathematik: 85,1 / 100 (2 Benchmarkfamilien)

Wissen: 97,8 / 100 (2 Benchmarkfamilien)

Finanzen: 95,5 / 100 (5 Benchmarkfamilien)

Recht: 83,1 / 98,9 (4 Benchmarkfamilien)

Agenten-Aufgaben: 97,9 / 90,4 (1 Benchmarkfamilie)

Gesundheit: 93,9 / 100 (3 Benchmarkfamilien)

101 passende Messreihen aus 19 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.

MiMo-V2.5MiMo-V2.5-Pro

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.514,228 %

MiMo-V2.5-Pro21,557 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.559,907 %

MiMo-V2.5-Pro61,422 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.555,092 %

MiMo-V2.5-Pro55,228 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.536,728 %

MiMo-V2.5-Pro41,502 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.581,566 %

MiMo-V2.5-Pro82,576 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.51,667 %

MiMo-V2.5-Pro2,083 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.59,135 %

MiMo-V2.5-Pro15,865 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.578,886 %

MiMo-V2.5-Pro77,129 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.581,512 %

MiMo-V2.5-Pro81,354 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.51.433,798

MiMo-V2.5-Pro1.468,271

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.531,895 %

MiMo-V2.5-Pro32,484 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

MiMo-V2.572,151 %

MiMo-V2.5-Pro83,73 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von MiMo-V2.5 und MiMo-V2.5-Pro
Benchmark und Aufgabe	MiMo-V2.5	MiMo-V2.5-Pro	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	14,228 %	Gewinner21,557 %	Vals AI Quellendetails Datenstand: 03.09.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	59,907 %	Gewinner61,422 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	55,092 %	Gewinner55,228 %	Vals AI Quellendetails Datenstand: 03.09.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	36,728 %	Gewinner41,502 %	Vals AI Quellendetails Datenstand: 03.09.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	81,566 %	Gewinner82,576 %	Vals AI Quellendetails Datenstand: 01.09.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	1,667 %	Gewinner2,083 %	Vals AI Quellendetails Datenstand: 03.09.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	9,135 %	Gewinner15,865 %	Vals AI Quellendetails Datenstand: 03.09.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner78,886 %	77,129 %	Vals AI Quellendetails Datenstand: 01.09.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner81,512 %	81,354 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 44.540 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 57.416 anonymen Paarvergleichen.	1.433,798 95-%-Konfidenzintervall: ±4,342Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.468,271 95-%-Konfidenzintervall: ±3,92Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	31,895 %	Gewinner32,484 %	Vals AI Quellendetails Datenstand: 03.09.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	72,151 %	Gewinner83,73 %	Vals AI Quellendetails Datenstand: 03.09.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	82,931 %	Gewinner84,595 %	Vals AI Quellendetails Datenstand: 01.09.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	16 %	Gewinner22 %	Vals AI Quellendetails Datenstand: 01.09.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	71 %	Gewinner74 %	Vals AI Quellendetails Datenstand: 01.09.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	71,832 %	Gewinner73,794 %	Vals AI Quellendetails Datenstand: 01.09.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner60,674 %	57,303 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	39,91 %	Gewinner40,974 %	Vals AI Quellendetails Datenstand: 03.09.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner42,174 %	34,113 %	Vals AI Quellendetails Datenstand: 03.09.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	9,88 %	Gewinner13,981 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	59,441 %	Gewinner60,373 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	31,746 %	Gewinner34,386 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	79,798 %	Gewinner80,808 %	Vals AI Quellendetails Datenstand: 09.08.2026
LegalBenchConclusion Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	86,386 %	Gewinner88,031 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	98,447 %	Gewinner99,068 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.127 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 11.336 anonymen Paarvergleichen.	1.441,542 95-%-Konfidenzintervall: ±7,42Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.471,792 95-%-Konfidenzintervall: ±6,73Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProBiology Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	90,237 %	Gewinner92,469 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified<15 min fix Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	80,928 %	Gewinner82,474 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	60,752 %	Gewinner63,123 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner100 %	75 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	60,14 %	Gewinner62,471 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	27,273 %	Gewinner44,286 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	60,14 %	Gewinner61,422 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	23,785 %	Gewinner28,848 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	83,333 %	Gewinner84,343 %	Vals AI Quellendetails Datenstand: 09.08.2026
LegalBenchInterpretation Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	74,351 %	Gewinner79,497 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner59,143 %	58,571 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.140 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 3.151 anonymen Paarvergleichen.	1.483,45 95-%-Konfidenzintervall: ±13,352Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.511,885 95-%-Konfidenzintervall: ±11,287Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProBusiness Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	89,227 %	Gewinner89,987 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified>4 hours Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	0 %	Gewinner33,333 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	82,911 %	Gewinner84,464 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	36,667 %	Gewinner40 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	37,61 %	Gewinner41,243 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCode Quality Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	2,788 / 5	Gewinner3,382 / 5	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	60,14 %	Gewinner62,471 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Comparables Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	31,672 %	Gewinner40,15 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchIssue Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner86,337 %	80,173 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Medium Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner86,945 %	86,423 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlCoding Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 12.854 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 15.755 anonymen Paarvergleichen.	1.491,02 95-%-Konfidenzintervall: ±6,676Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.520,349 95-%-Konfidenzintervall: ±6,131Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProChemistry Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	89,841 %	Gewinner90,459 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified1-4 hours Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gleichstand33,333 %	Gleichstand33,333 %	Vals AI Quellendetails Datenstand: 08.08.2026
Terminal-Bench 2.1Medium Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner70,909 %	65,455 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexSWE-bench Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besser	64,706 %	Gewinner66,667 %	Vals AI Quellendetails Datenstand: 09.08.2026
Finance Agent (v2)Disclosure Analysis Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	47,346 %	Gewinner53,148 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchRhetoric Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner77,776 %	64,964 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlCreative writing Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.343 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 10.262 anonymen Paarvergleichen.	1.392,817 95-%-Konfidenzintervall: ±8,004Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.435,028 95-%-Konfidenzintervall: ±7,065Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProComputer Science Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	86,585 %	Gewinner88,049 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified15 min - 1 hour Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	70,498 %	Gewinner74,713 %	Vals AI Quellendetails Datenstand: 08.08.2026
Vals IndexTerminal-Bench 2.1 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner60,674 %	57,303 %	Vals AI Quellendetails Datenstand: 09.08.2026
Finance Agent (v2)Earnings Analysis Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	45,006 %	Gewinner54,614 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchRule Tasks Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	69,582 %	Gewinner72,98 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlEnglish Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserMiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlMiMo-V2.5: Stilbereinigte Arena-Bewertung aus 20.213 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 24.800 anonymen Paarvergleichen.	1.452,388 95-%-Konfidenzintervall: ±5,607Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Gewinner1.481,475 95-%-Konfidenzintervall: ±5,077Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 01.09.2026
MMLU-ProEconomics Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	86,73 %	Gewinner87,915 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals IndexVibe Code Bench Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens	Gewinner48,148 %	36,321 %	Vals AI Quellendetails Datenstand: 09.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Community-Tests zum Anschauen

Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

MiMo-V2.5

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: xiaomi/mimo-v2.5
Festgelegter Endpunkt: Xiaomi | xiaomi/mimo-v2.5-20260422
Reasoning-Einstellung: high
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

MiMo-V2.5-Pro

In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.

Erster Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: xiaomi/mimo-v2.5-pro
Festgelegter Endpunkt: Xiaomi | xiaomi/mimo-v2.5-pro-20260422
Reasoning-Einstellung: high
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht ausgeführt

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

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

Vergleiche MiMo-V2.5 und MiMo-V2.5-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich