Alle LLM-Vergleiche
Direktvergleich
DeepSeek-V4-Pro vs. MiMo-V2.5
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
69
gemeinsame Messreihen
15
verschiedene Benchmarks
11.08.2026
jüngster Abruf
Modellauswahl ändern
Steckbrief und Kosten
Allgemeine Daten und Standard-API-Preise
Nicht veröffentlichte Parameterzahlen oder Wissensstände bleiben als solche markiert. Die Tabelle zeigt direkte Standardtarife pro Token einschließlich hinterlegter Kontextstufen. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.
| Merkmal | DeepSeek-V4-Pro | MiMo-V2.5 |
|---|---|---|
| Anbieter | DeepSeek | Xiaomi |
| Erschienen | 24. Apr. 2026 | 23. Apr. 2026 |
| Verfügbarkeit | Preview | Open Source |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 1,6 Billionen, 49 Mrd. aktiv | Nicht veröffentlicht |
| 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, Kontext |
| API-Preise pro 1 Mio. Token | ||
| API-Eingabe | 0,43 $ | 0,14 $ |
| API-Ausgabe | 0,87 $ | 0,28 $ |
| Cache lesen | 0, $ | 0, $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026Quelle | 31.07.2026Quelle |
DeepSeek-V4-ProMiMo-V2.5
API-EingabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,435 $MiMo-V2.50,14 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,87 $MiMo-V2.50,28 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
DeepSeek-V4-Pro0,004 $MiMo-V2.50,003 $
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.
69 gemeinsame Messreihen
DeepSeek-V4-ProMiMo-V2.5
Code MigrationOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro26,201 %MiMo-V2.514,228 %
CorpFin v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro61,383 %MiMo-V2.559,907 %
Finance Agent (v2)Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro44,083 %MiMo-V2.536,728 %
GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro89,394 %MiMo-V2.581,566 %
LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro80,323 %MiMo-V2.578,886 %
LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro87,484 %MiMo-V2.581,512 %
MedCodeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro40,455 %MiMo-V2.531,895 %
MedScribeOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro75,144 %MiMo-V2.572,151 %
MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro87,249 %MiMo-V2.582,931 %
ProofBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro10 %MiMo-V2.516 %
SWE-bench VerifiedOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro77,4 %MiMo-V2.571 %
TaxEval v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
DeepSeek-V4-Pro72,077 %MiMo-V2.571,832 %
| Benchmark und Aufgabe | DeepSeek-V4-Pro | MiMo-V2.5 | Vergleichbarkeit | Quelle |
|---|---|---|---|---|
| Code MigrationOverall | 26,201 %höher | 14,228 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Overall | 61,383 %höher | 59,907 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| Finance Agent (v2)Overall | 44,083 %höher | 36,728 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondOverall | 89,394 %höher | 81,566 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| LegalBenchOverall | 80,323 %höher | 78,886 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Overall | 87,484 %höher | 81,512 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MedCodeOverall | 40,455 %höher | 31,895 % | 1accuracyMehr ist besserKohorte: vals-medcode:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medcode-2026-08-11-59016050c3a3Abgerufen am 11.08.2026 |
| MedScribeOverall | 75,144 %höher | 72,151 % | 1accuracyMehr ist besserKohorte: vals-medscribe:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-medscribe-2026-08-11-d7cf1ca6b81fAbgerufen am 11.08.2026 |
| MMLU-ProOverall | 87,249 %höher | 82,931 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| ProofBenchOverall | 10 % | 16 %höher | 1accuracyMehr ist besserKohorte: vals-proof-bench:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 07.08.2026Import-ID: vals-proof_bench-2026-08-11-c6615e599d88Abgerufen am 11.08.2026 |
| SWE-bench VerifiedOverall | 77,4 %höher | 71 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Overall | 72,077 %höher | 71,832 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Overall | 50,187 % | 60,674 %höher | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexOverall | 55,615 %höher | 51,57 % | 1.2weighted index scoreMehr ist besserKohorte: vals-vals-index:1.2:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Vibe Code Bench v1.1Overall | 49,931 %höher | 42,174 % | 1.1accuracyMehr ist besserKohorte: vals-vibe-code-bench:1.1:overallTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Harness: OpenHands, Ausgabegrenze: 256.000 Token MiMo-V2.5: Harness: OpenHands, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 05.08.2026Import-ID: vals-vibe-code-2026-08-11-b6b708f7b194Abgerufen am 11.08.2026 |
| Code MigrationCLI | 15,47 %höher | 9,88 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cliTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Exact Pages | 59,207 % | 59,441 %höher | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:exact_pagesTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| Finance Agent (v2)Adjustments | 41,586 %höher | 31,746 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:adjustmentsTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondFew-Shot CoT | 90,404 %höher | 79,798 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_few_shot_cotTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| LegalBenchConclusion Tasks | 89,117 %höher | 86,386 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:conclusion_tasksTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Easy | 98,758 %höher | 98,447 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:easyTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBiology | 92,887 %höher | 90,237 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:biologyTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| SWE-bench Verified<15 min fix | 87,629 %höher | 80,928 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:<15 min fixTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Correctness | 60,589 % | 60,752 %höher | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:correctnessTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Easy | 66,667 % | 100 %höher | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:easyTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexCorpFin v2 | 61,888 %höher | 60,14 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:corp_fin_v2Testaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Code MigrationCOBOL | 58,393 %höher | 27,273 % | 1accuracyMehr ist besserKohorte: vals-code-migration:1:cobolTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Max Fitting Context | 63,054 %höher | 60,14 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:max_fitting_contextTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| Finance Agent (v2)All-Pass | 31,448 %höher | 23,785 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:all_passTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| GPQA DiamondZero-Shot CoT | 88,384 %höher | 83,333 % | 1accuracyMehr ist besserKohorte: vals-gpqa:1:diamond_zero_shot_cotTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-gpqa-2026-08-11-d3325290a404Abgerufen am 11.08.2026 |
| LegalBenchInterpretation Tasks | 75,169 %höher | 74,351 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:interpretation_tasksTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Hard | 72,571 %höher | 59,143 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:hardTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProBusiness | 91,888 %höher | 89,227 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:businessTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| SWE-bench Verified>4 hours | 0 % | 0 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:>4 hoursTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| TaxEval v2Stepwise Reasoning | 83,565 %höher | 82,911 % | 2accuracyMehr ist besserKohorte: vals-tax-eval-v2:2:stepwise_reasoningTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-tax_eval_v2-2026-08-11-d05a40bf446fAbgerufen am 11.08.2026 |
| Terminal-Bench 2.1Hard | 31,111 % | 36,667 %höher | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:hardTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexFinance Agent v2 | 44,081 %höher | 37,61 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:finance_agentTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Code MigrationCode Quality | 3,401 / 5höher | 2,788 / 5 | 1mean reviewer code-quality ratingMehr ist besserKohorte: vals-code-migration:1:code_qualityTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-code-migration-2026-08-11-3a2d5ce718a3Abgerufen am 11.08.2026 |
| CorpFin v2Shared Max Context | 61,888 %höher | 60,14 % | 2accuracyMehr ist besserKohorte: vals-corp-fin-v2:2:shared_max_contextTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-corp_fin_v2-2026-08-11-d9e58d191cd9Abgerufen am 11.08.2026 |
| Finance Agent (v2)Comparables | 39,632 %höher | 31,672 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:comparablesTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| LegalBenchIssue Tasks | 84,587 % | 86,337 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:issue_tasksTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| LiveCodeBench v6Medium | 91,123 %höher | 86,945 % | 1accuracyMehr ist besserKohorte: vals-lcb:1:mediumTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-lcb-2026-08-11-0342bcc364e4Abgerufen am 11.08.2026 |
| MMLU-ProChemistry | 92,491 %höher | 89,841 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:chemistryTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| SWE-bench Verified1-4 hours | 45,238 %höher | 33,333 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:1-4 hoursTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Terminal-Bench 2.1Medium | 59,394 % | 70,909 %höher | 2.1accuracyMehr ist besserKohorte: vals-terminal-bench-2-1:2.1:mediumTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-terminal-bench-2-1-2026-08-11-8f0ebd72a609Abgerufen am 11.08.2026 |
| Vals IndexSWE-bench | 75,49 %höher | 64,706 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:swebenchKein dokumentierter Setup-UnterschiedDeepSeek-V4-Pro: Keine weiteren Einstellungen ausgewiesen MiMo-V2.5: Keine weiteren Einstellungen ausgewiesen | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Finance Agent (v2)Disclosure Analysis | 52,649 %höher | 47,346 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:disclosure_analysisTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| LegalBenchRhetoric Tasks | 75,316 % | 77,776 %höher | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:rhetoric_tasksTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProComputer Science | 89,024 %höher | 86,585 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:computer_scienceTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| SWE-bench Verified15 min - 1 hour | 75,862 %höher | 70,498 % | 1accuracyMehr ist besserKohorte: vals-swebench:1:15 min - 1 hourTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 08.08.2026Import-ID: vals-swebench-2026-08-11-a6212cd857d8Abgerufen am 11.08.2026 |
| Vals IndexTerminal-Bench 2.1 | 50,187 % | 60,674 %höher | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:terminal_bench_2_1Testaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Ausgabegrenze: 128.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Finance Agent (v2)Earnings Analysis | 59,84 %höher | 45,006 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:earnings_analysisTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| LegalBenchRule Tasks | 77,425 %höher | 69,582 % | 1accuracyMehr ist besserKohorte: vals-legal-bench:1:rule_tasksTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-legal_bench-2026-08-11-836e5e44618eAbgerufen am 11.08.2026 |
| MMLU-ProEconomics | 88,863 %höher | 86,73 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:economicsTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| Vals IndexVibe Code Bench | 55,905 %höher | 48,148 % | 1.2benchmark scoreMehr ist besserKohorte: vals-vals-index:1.2:vibe_code_benchTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-vals_index-2026-08-11-e79d08d59249Abgerufen am 11.08.2026 |
| Finance Agent (v2)Financial Modeling | 10,548 %höher | 5,271 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:financial_modelingTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| MMLU-ProEngineering | 86,687 %höher | 81,011 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:engineeringTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| Finance Agent (v2)General Qualitative Analysis | 60,341 %höher | 47,992 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:general_qualitative_analysisTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| MMLU-ProHealth | 82,396 %höher | 78,362 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:healthTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| Finance Agent (v2)General Quantitative Analysis | 65,75 %höher | 55,744 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:general_quantitative_analysisTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| MMLU-ProHistory | 77,69 %höher | 68,241 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:historyTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| Finance Agent (v2)Market Analysis | 50,801 %höher | 48,567 % | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:market_analysisTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
| MMLU-ProLaw | 74,024 %höher | 66,757 % | 1accuracyMehr ist besserKohorte: vals-mmlu-pro:1:lawTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 256.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 09.08.2026Import-ID: vals-mmlu_pro-2026-08-11-b8e53828d746Abgerufen am 11.08.2026 |
| Finance Agent (v2)Precedents | 15,6 % | 17,206 %höher | 2accuracyMehr ist besserKohorte: vals-finance-agent-v2:2:precedentsTestaufbau nicht identisch dokumentiertDeepSeek-V4-Pro: Reasoning: max, Ausgabegrenze: 384.000 Token MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 Token | Vals AITyp: Unabhängige EvaluationMessstand: 06.08.2026Import-ID: vals-fabv2-2026-08-11-3e5c93a1857cAbgerufen am 11.08.2026 |
Die Tabelle zeigt 64 diversifizierte Messreihen aus insgesamt 69 gemeinsamen Ergebnissen. Dadurch verdrängt ein Benchmark mit vielen Unteraufgaben nicht alle anderen Tests.
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.
Preise beziehen sich auf die offiziellen API-Tarife pro 1 Mio. Token. Web-Abos und Cloud-Aufschläge können davon abweichen.
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.