GPT-5 vs Mimo v2 Pro
詳しいプロフィール:GPT-5(OpenAI)とMimo v2 Pro(Xiaomi)。すべてのベンチマーク、価格、順位を掲載しています。
更新 · 9件の情報源のデータ
2026年11月16日時点で、GPT-5とMimo v2 Proの品質は互角です(BenchLeader Indexで59.0 対 59.1、±7.2の誤差範囲内)。長文コンテキスト(70 対 59)、コーディング(57 対 52)、数学(65 対 63)を重視するならGPT-5、推論(64 対 48)、エージェント・ツール(69 対 58)を重視するならMimo v2 Proが向いています。
要点(2026年11月16日時点)
- BenchLeader IndexはGPT-5が59.0、Mimo v2 Proが59.1です(BenchLeader、2026年11月16日)。
- GPT-5の100万トークンあたりのブレンド価格は$3.44です(定価、2026年11月16日)。
- 両モデルに結果がある9件のベンチマークのうち、Mimo v2 Proが7件でリードしています(BenchLeader、2026年11月16日)。
- Arena WebDevでの評価はGPT-5が1417、Mimo v2 Proが1434です(LMArena、2026年11月16日までの公開値)。
用途別のおすすめ
おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。
| 用途 | おすすめ | 理由 | 信頼度 |
|---|---|---|---|
| コーディング | GPT-5 | カテゴリスコア57 対 52;Arena WebDev 1417 対 1434 | 中 |
| エージェント・ツール利用 | Mimo v2 Pro | カテゴリスコア69 対 58;Terminal-Bench Hard 40.9% 対 37.9% | 高 |
| 数学 | GPT-5 | カテゴリスコア65 対 63 | 中 |
| 推論 | Mimo v2 Pro | カテゴリスコア64 対 48;GPQA Diamond (AA) 87.0% 対 84.2% | 高 |
| 長い文書 | GPT-5 | カテゴリスコア70 対 59;AA-LCR v1.1 76.0% 対 68.3% | 高 |
| 指示への追従 | GPT-5 | カテゴリスコア69 対 68;IFBench 70.6% 対 68.8% | 中 |
| チャットの質(人間の評価) | – | Arenaの評価があるのはMimo v2 Proのみです(カテゴリスコア63) | 比較不可 |
| 低予算での大量処理 | フラッグシップ以外 | 小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM | – |
主な違い
- GPT-5 (medium)とMimo v2 Proの品質は互角です(59.0 対 59.1、±7.2の誤差範囲内)。
- GPT-5 (medium)はコーディング、指示追従、長文コンテキスト、数学で優れています。
- Mimo v2 Proはエージェント・ツール、推論で優れています。
概要
| 仕様 | GPT-5 | Mimo v2 Pro |
|---|---|---|
| プロバイダー | OpenAI | Xiaomi |
| リリース日 | 2025年8月7日 | 2026年3月18日 |
| コンテキストウィンドウ(トークン) | 400,000 | 1,000,000 |
| 比較した構成 | GPT-5 (medium) | Mimo v2 Pro |
| オープンウェイト | なし | なし |
| 100万トークンあたりの価格(入力/出力/キャッシュ入力) | $1.25 / $10.00 / $0.125 | – |
カテゴリ別の比較
カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。
| カテゴリ | GPT-5 (medium) | Mimo v2 Pro | トップ |
|---|---|---|---|
| 推論 | 47.9 | 63.7 | Mimo v2 Pro |
| コーディング | 57.4 | 51.7 | GPT-5 |
| エージェント・ツール | 58.1 | 69.4 | Mimo v2 Pro |
| 数学 | 65.4 | 62.9 | GPT-5 |
| 指示追従 | 69.4 | 67.9 | GPT-5 |
| 人間の評価 | – | 63.1 | 比較不可 |
| マルチモーダル | 56.6 | – | 比較不可 |
| 長文コンテキスト | 70.4 | 58.5 | GPT-5 |
1つのグラフで比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
描画していないもの(測定済みのモデルが2つ未満):知識, マルチモーダル, 人間の評価。
情報源で評価が分かれる点
両方に結果がある9件のベンチマークのうち、GPT-5のリードが2件、Mimo v2 Proのリードが7件です。両方を評価しているすべての総合指標で、Mimo v2 Proが上回っています。
| 総合Index | GPT-5 (medium) | Mimo v2 Pro | トップ |
|---|---|---|---|
| BenchLeader Index | 59.0 | 59.1 | 互角 |
| Arena Text | 1435† | 1448 | Mimo v2 Pro |
公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。
価格・速度・レイテンシ
定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。
| 指標 | GPT-5 (medium) | Mimo v2 Pro |
|---|---|---|
| 100万トークンあたりのブレンド価格 | $3.44 | – |
| 100万トークンあたりの入力/出力 | $1.25 / $10.00 | – / – |
| 100万トークンあたりのキャッシュ入力 | $0.125 | – |
| タスクあたりの価格:チャットの返答 | $0.0035 | – |
| タスクあたりの価格:30ページのレポートを要約 | $0.021 | – |
| タスクあたりの価格:コード編集 | $0.022 | – |
| タスクあたりの価格:エージェント型コーディングセッション | $0.115 | – |
| タスクあたりの価格:構造化データの抽出 | $0.0045 | – |
| エージェント型コーディングセッション(入力の大半がキャッシュ) | $0.064 | – |
| 出力速度 | 82 tok/s | – |
| 回答開始までの時間 | 22.9秒 | – |
| 回答が完了するまでの時間(最終測定2026年11月13日) | 66.2秒 | – |
各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。GPT-5 (medium)のスコアは59.0、最初の回答トークンまで23秒。GPT-5 (high)は58.2(49秒)、GPT-5は56.6(5秒)。Mimo v2 Proのスコアは59.1。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか
全ベンチマーク
115件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。
| 指標 | 公開元 | GPT-5 (medium) | Mimo v2 Pro |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 59.0 | 59.1 |
| エージェント・ツールスコア | BenchLeader | 58.1 | 69.4 |
| コーディングスコア | BenchLeader | 57.4 | 51.7 |
| 指示追従スコア | BenchLeader | 69.4 | 67.9 |
| 長文コンテキストスコア | BenchLeader | 70.4 | 58.5 |
| 数学スコア | BenchLeader | 65.4 | 62.9 |
| マルチモーダルスコア | BenchLeader | 56.6 | – |
| 推論スコア | BenchLeader | 47.9 | 63.7 |
| 人間の評価スコア | BenchLeader | – | 63.1 |
| ブレンド価格($/100万トークン) | BenchLeader | $3.44 | – |
| 出力速度 | BenchLeader | 82 tok/s | – |
| 回答開始までの時間 | BenchLeader | 22.9秒 | – |
| コンテキストウィンドウ | BenchLeader | 400,000トークン | 1,000,000トークン |
| 推論 | |||
| GPQA Diamond | Epoch AI Benchmarking Hub | 85.3% | – |
| Humanity's Last Exam | Scale AI / CAIS | 25.3%† | – |
| SimpleBench | SimpleBench | 56.7%† | – |
| Arena Hard Prompts | Arena (LMArena) | 1449† | 1475 |
| GPQA Diamond (AA) | Artificial Analysis | 84.2% | 87.0% |
| Humanity's Last Exam (AA) | Artificial Analysis | 25.4% | 30.4% |
| GPQA Diamond (Vals) | Vals AI | 85.6%† | – |
| Kagi LLM Benchmark | Kagi LLM Benchmark | 72.7%† | – |
| GPQA Diamond (HELM) | HELM Capabilities | 79.1%† | – |
| ARC-AGI-1 | ARC Prize | 56.2% | – |
| ARC-AGI-2 | ARC Prize | 7.5% | – |
| CritPt | Artificial Analysis | 0.0% | 0.3% |
| CritPt v2 hard subset (AA) | Artificial Analysis | 11.5%† | – |
| Arena Expert | Arena (LMArena) | 1445† | 1493 |
| Chess Puzzles | Epoch AI Benchmarking Hub | 32.0% | – |
| Mystery Game Puzzles | Epoch AI Benchmarking Hub | 15.0% | – |
| CL-bench | Epoch AI Benchmarking Hub | – | 15.7% |
| CL-bench Life | Epoch AI Benchmarking Hub | – | 6.9% |
| LMCA | Epoch AI Benchmarking Hub | 40.0%† | – |
| DTBench | Epoch AI Benchmarking Hub | 90.7%† | – |
| ForecastBench | ForecastBench | 65.0%† | – |
| コーディング | |||
| SWE-bench Verified (Epoch) | Epoch AI Benchmarking Hub | 71.5% | – |
| SciCode | SciCode | 42.9%† | – |
| WeirdML | WeirdML | 39.8%† | – |
| GSO-Bench | GSO-Bench | 6.9%† | – |
115件のベンチマークをすべて表示
| 指標 | 公開元 | GPT-5 (medium) | Mimo v2 Pro |
|---|---|---|---|
| コーディング | |||
| Arena Coding | Arena (LMArena) | 1462† | 1503 |
| Arena WebDev | Arena (LMArena) | 1417 | 1434 |
| LiveCodeBench | Vals AI | 85.9%† | – |
| SWE-bench (Vals) | Vals AI | 69.0%† | – |
| SWE-Bench Pro | Scale AI SEAL | 41.8%† | – |
| Aider Polyglot | Aider polyglot leaderboard | 86.7% | – |
| SWE-bench Verified (bash only) | SWE-bench | 65.0% | – |
| SWE-bench Verified (any scaffold) | SWE-bench | 74.4%† | – |
| Vibe Code Bench v1.1 | Vals AI | 20.1%† | – |
| SWE-Bench Pro (private) | Scale AI SEAL | 14.9%† | – |
| MirrorCode | Epoch AI Benchmarking Hub | 4.4%† | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1162.5† | 785.2 |
| AlgoTune | AlgoTune | 1.7† | – |
| Terminal-Bench 2.1 (AA) | Artificial Analysis | 35.2%† | – |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 38.0 | – |
| Design Arena Website | Design Arena | 1174† | – |
| LiveCodeBench (AA) | Artificial Analysis | 70.3% | – |
| エージェント・ツール | |||
| Terminal-Bench | Terminal-Bench | 49.6% | – |
| GDPval | OpenAI | 34.8% | – |
| Remote Labor Index | Scale AI / CAIS | 1.7%† | – |
| Terminal-Bench Hard | Artificial Analysis | 37.9% | 40.9% |
| τ²-Bench Telecom (AA) | Artificial Analysis | 86.5% | 95.0% |
| GDPval-AA v2.1 | Artificial Analysis | 925† | – |
| τ³-Banking (AA) | Artificial Analysis | 22.1%† | – |
| Poker Agent | Vals AI | 1103.2%† | – |
| Terminal-Bench 2.0 (Vals) | Vals AI | 37.1%† | – |
| Arena Search | Arena (LMArena) | 1189† | – |
| BALROG | BALROG | 32.8%† | – |
| DeepResearch Bench | DeepResearch Bench | 48.6% | – |
| METR Time Horizons | METR | 69.6% | – |
| BrowseComp-Plus | BrowseComp-Plus | 57.6%† | – |
| BrowseComp | OpenAI | 20.1%† | – |
| DeepSearchQA | 59.4%† | – | |
| 数学 | |||
| FrontierMath Tiers 1–3 | Epoch AI Benchmarking Hub | 55.4%† | – |
| FrontierMath Tier 4 | Epoch AI Benchmarking Hub | 21.9%† | – |
| OTIS Mock AIME | Epoch AI Benchmarking Hub | 87.2% | – |
| MATH Level 5 | Epoch AI Benchmarking Hub | 97.9% | – |
| ProofBench | Vals AI | 18.0%† | – |
| AIME (Vals) | Vals AI | 93.4%† | – |
| MGSM | Vals AI | 92.8%† | – |
| IMO 2025 | MathArena | 38.1%† | – |
| MathArena Apex | MathArena | 1.0%† | – |
| Omni-MATH (HELM) | HELM Capabilities | 64.7%† | – |
| MATH 500 | Vals AI | 96.0%† | – |
| Arena Maths | Arena (LMArena) | 1411† | 1450 |
| AIME 2025 (AA) | Artificial Analysis | 91.7% | – |
| 知識 | |||
| SimpleQA Verified | Epoch AI Benchmarking Hub | 50.1%† | – |
| MMLU-Pro | Vals AI | 86.5%† | – |
| LegalBench | Vals AI | 86.0%† | – |
| CorpFin | Vals AI | 61.1%† | – |
| TaxEval | Vals AI | 73.4%† | – |
| MedQA | Vals AI | 96.3%† | – |
| PRBench Finance | Scale AI SEAL | 51.3%† | – |
| PRBench Legal | Scale AI SEAL | 49.0%† | – |
| MultiNRC | Scale AI SEAL | 52.1%† | – |
| MMLU-Pro (HELM) | HELM Capabilities | 86.3%† | – |
| CaseLaw v2 | Vals AI | 66.5%† | – |
| MedCode | Vals AI | 49.6%† | – |
| MedScribe | Vals AI | 83.7%† | – |
| EBR-bench | Epoch AI Benchmarking Hub | 12.7%† | – |
| Global-MMLU-Lite (AA) | Artificial Analysis | 90.4% | – |
| 指示追従 | |||
| IFBench | Artificial Analysis | 70.6% | 68.8% |
| MultiChallenge | Scale AI SEAL | 63.2%† | – |
| TutorBench | Scale AI SEAL | 55.3%† | – |
| IFEval (HELM) | HELM Capabilities | 87.5%† | – |
| WildBench (HELM) | HELM Capabilities | 85.7%† | – |
| Arena Instruction Following | Arena (LMArena) | 1415† | 1446 |
| 人間の評価 | |||
| Arena Text | Arena (LMArena) | 1427† | 1448 |
| EQ-Bench Creative Writing v3 | EQ-Bench | 1626† | – |
| Arena Creative Writing | Arena (LMArena) | 1389† | 1424 |
| Arena Multi-turn | Arena (LMArena) | 1449† | 1467 |
| Arena Longer Queries | Arena (LMArena) | 1435† | 1467 |
| Lech Mazur Creative Writing | Lech Mazur | 86.0% | – |
| マルチモーダル | |||
| Arena Vision | Arena (LMArena) | 1232† | – |
| MMMU-Pro | Artificial Analysis | 74.3% | – |
| VISTA | Scale AI SEAL | 49.7%† | – |
| MMMU-Pro (Vals) | Vals AI | 81.5%† | – |
| MortgageTax | Vals AI | 65.5%† | – |
| VTB | Scale AI SEAL | 17.0%† | – |
| GeoBench | GeoBench | 81.0% | – |
| VPCT | Epoch AI Benchmarking Hub | 63.2% | – |
| 長文コンテキスト | |||
| Fiction.LiveBench 120k | Fiction.live | 96.9% | – |
| AA-LCR v1.1 | Artificial Analysis | 76.0% | 68.3% |
| 総合 | |||
| Epoch Capabilities Index | Epoch AI Benchmarking Hub | 150† | – |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 22.9 | 28.6 |
| AA Progress Index v1 | Artificial Analysis | 264.4 | 279 |
| HELM Capabilities mean | HELM Capabilities | 80.7%† | – |
| 安全性・誠実さ | |||
| FORTRESS | Scale AI SEAL | 17.0%† | – |
| MASK | Scale AI SEAL | 79.3%† | – |
| メタデータ | |||
| AA Openness Index | Artificial Analysis | 5.6 | – |
データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。
DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
最近の変化
- GPT-5 (medium):BenchLeader Index 58.2 → 59.0。
- GPT-5 (medium):新しい結果1件(Aider Polyglot)。
- GPT-5 (medium):新しい結果2件(Global-MMLU-Lite (AA), AIME 2025 (AA))、スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- GPT-5 (medium):スコアの改訂1件。
- Mimo v2 Pro:BenchLeader Index 59.7 → 59.1。
- GPT-5 (medium):新しい結果1件(AA Progress Index v1)。
- Mimo v2 Pro:新しい結果1件(AA Progress Index v1)。
- Mimo v2 Pro:BenchLeader Index 60.2 → 59.7。
関連する比較
- GPT-5 vs Claude Opus 5.5
- GPT-5 vs GPT-5.4
- GPT-5 vs Claude Opus 4.6
- GPT-5 vs Muse Spark 1.3
- GPT-5 vs Claude Opus 4.8
- GPT-5 vs Grok 4.6
- GPT-5 vs Gemini 3.8 Flash
- GPT-5 vs Gemini 3 Pro
ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM
GPT-5 vs Mimo v2 Pro:よくある質問
- GPT-5はMimo v2 Proより優れていますか?
- GPT-5 (medium)とMimo v2 Proの品質は互角です(59.0 対 59.1、±7.2の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
- コーディングにはGPT-5とMimo v2 Proのどちらが向いていますか?
- コーディングではGPT-5の方がスコアが高くなっています(カテゴリ指標で57 対 52。50が平均)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、GPT-5が1417、Mimo v2 Proが1434です。
- エージェントやツール利用にはGPT-5とMimo v2 Proのどちらが向いていますか?
- エージェント型のタスクではMimo v2 Proの方がスコアが高くなっています(カテゴリ指標で69 対 58。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Bench Hardでは、GPT-5が37.9%、Mimo v2 Proが40.9%です。
- 長い文書にはどちらが向いていますか?
- 長文コンテキストのベンチマークではGPT-5の方がスコアが高くなっています(70 対 59)。コンテキストはMimo v2 Proの方が長く、1,000,000トークンです(GPT-5は400,000トークン)。
- GPT-5とMimo v2 Proについて、第三者ベンチマークの評価は一致していますか?
- 両方に結果がある9件のベンチマークのうち、GPT-5のリードが2件、Mimo v2 Proのリードが7件です。両方を評価しているすべての総合指標で、Mimo v2 Proが上回っています。
ほかの質問(1件)
- Mimo v2 Proはいつリリースされましたか?
- Mimo v2 Proは2026年3月18日にリリースされました。