BenchLeader

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-5Mimo v2 Pro
プロバイダーOpenAIXiaomi
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)400,0001,000,000
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47.963.7Mimo v2 Pro
コーディング57.451.7GPT-5
エージェント・ツール58.169.4Mimo v2 Pro
数学65.462.9GPT-5
指示追従69.467.9GPT-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70.458.5GPT-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。

2550 avg75推論コーディングエージェント・ツール数学指示追従長文コンテキストGPT-5, 推論: 47.9GPT-5, コーディング: 57.4GPT-5, エージェント・ツール: 58.1GPT-5, 数学: 65.4GPT-5, 指示追従: 69.4GPT-5, 長文コンテキスト: 70.4Mimo v2 Pro, 推論: 63.7Mimo v2 Pro, コーディング: 51.7Mimo v2 Pro, エージェント・ツール: 69.4Mimo v2 Pro, 数学: 62.9Mimo v2 Pro, 指示追従: 67.9Mimo v2 Pro, 長文コンテキスト: 58.5

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。

モデル(クリックで追加・削除)Index

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IndexGPT-5 (medium)Mimo v2 Proトップ
BenchLeader Index59.059.1互角
Arena Text1435†1448Mimo 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 IndexBenchLeader59.059.1
エージェント・ツールスコアBenchLeader58.169.4
コーディングスコアBenchLeader57.451.7
指示追従スコアBenchLeader69.467.9
長文コンテキストスコアBenchLeader70.458.5
数学スコアBenchLeader65.462.9
マルチモーダルスコアBenchLeader56.6–
推論スコアBenchLeader47.963.7
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BenchLeader82 tok/s–
回答開始までの時間BenchLeader22.9秒–
コンテキストウィンドウBenchLeader400,000トークン1,000,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub85.3%–
Humanity's Last ExamScale AI / CAIS25.3%†–
SimpleBenchSimpleBench56.7%†–
Arena Hard PromptsArena (LMArena)1449†1475
GPQA Diamond (AA)Artificial Analysis84.2%87.0%
Humanity's Last Exam (AA)Artificial Analysis25.4%30.4%
GPQA Diamond (Vals)Vals AI85.6%†–
Kagi LLM BenchmarkKagi LLM Benchmark72.7%†–
GPQA Diamond (HELM)HELM Capabilities79.1%†–
ARC-AGI-1ARC Prize56.2%–
ARC-AGI-2ARC Prize7.5%–
CritPtArtificial Analysis0.0%0.3%
CritPt v2 hard subset (AA)Artificial Analysis11.5%†–
Arena ExpertArena (LMArena)1445†1493
Chess PuzzlesEpoch AI Benchmarking Hub32.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub15.0%–
CL-benchEpoch AI Benchmarking Hub–15.7%
CL-bench LifeEpoch AI Benchmarking Hub–6.9%
LMCAEpoch AI Benchmarking Hub40.0%†–
DTBenchEpoch AI Benchmarking Hub90.7%†–
ForecastBenchForecastBench65.0%†–
コーディング
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub71.5%–
SciCodeSciCode42.9%†–
WeirdMLWeirdML39.8%†–
GSO-BenchGSO-Bench6.9%†–
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 CodingArena (LMArena)1462†1503
Arena WebDevArena (LMArena)14171434
LiveCodeBenchVals AI85.9%†–
SWE-bench (Vals)Vals AI69.0%†–
SWE-Bench ProScale AI SEAL41.8%†–
Aider PolyglotAider polyglot leaderboard86.7%–
SWE-bench Verified (bash only)SWE-bench65.0%–
SWE-bench Verified (any scaffold)SWE-bench74.4%†–
Vibe Code Bench v1.1Vals AI20.1%†–
SWE-Bench Pro (private)Scale AI SEAL14.9%†–
MirrorCodeEpoch AI Benchmarking Hub4.4%†–
ALE-BenchEpoch AI Benchmarking Hub1162.5†785.2
AlgoTuneAlgoTune1.7†–
Terminal-Bench 2.1 (AA)Artificial Analysis35.2%†–
GameBench 2 by reasoning settingDuelLab GameBench 238.0–
Design Arena WebsiteDesign Arena1174†–
LiveCodeBench (AA)Artificial Analysis70.3%–
エージェント・ツール
Terminal-BenchTerminal-Bench49.6%–
GDPvalOpenAI34.8%–
Remote Labor IndexScale AI / CAIS1.7%†–
Terminal-Bench HardArtificial Analysis37.9%40.9%
τ²-Bench Telecom (AA)Artificial Analysis86.5%95.0%
GDPval-AA v2.1Artificial Analysis925†–
τ³-Banking (AA)Artificial Analysis22.1%†–
Poker AgentVals AI1103.2%†–
Terminal-Bench 2.0 (Vals)Vals AI37.1%†–
Arena SearchArena (LMArena)1189†–
BALROGBALROG32.8%†–
DeepResearch BenchDeepResearch Bench48.6%–
METR Time HorizonsMETR69.6%–
BrowseComp-PlusBrowseComp-Plus57.6%†–
BrowseCompOpenAI20.1%†–
DeepSearchQAGoogle59.4%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub55.4%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub21.9%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub87.2%–
MATH Level 5Epoch AI Benchmarking Hub97.9%–
ProofBenchVals AI18.0%†–
AIME (Vals)Vals AI93.4%†–
MGSMVals AI92.8%†–
IMO 2025MathArena38.1%†–
MathArena ApexMathArena1.0%†–
Omni-MATH (HELM)HELM Capabilities64.7%†–
MATH 500Vals AI96.0%†–
Arena MathsArena (LMArena)1411†1450
AIME 2025 (AA)Artificial Analysis91.7%–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub50.1%†–
MMLU-ProVals AI86.5%†–
LegalBenchVals AI86.0%†–
CorpFinVals AI61.1%†–
TaxEvalVals AI73.4%†–
MedQAVals AI96.3%†–
PRBench FinanceScale AI SEAL51.3%†–
PRBench LegalScale AI SEAL49.0%†–
MultiNRCScale AI SEAL52.1%†–
MMLU-Pro (HELM)HELM Capabilities86.3%†–
CaseLaw v2Vals AI66.5%†–
MedCodeVals AI49.6%†–
MedScribeVals AI83.7%†–
EBR-benchEpoch AI Benchmarking Hub12.7%†–
Global-MMLU-Lite (AA)Artificial Analysis90.4%–
指示追従
IFBenchArtificial Analysis70.6%68.8%
MultiChallengeScale AI SEAL63.2%†–
TutorBenchScale AI SEAL55.3%†–
IFEval (HELM)HELM Capabilities87.5%†–
WildBench (HELM)HELM Capabilities85.7%†–
Arena Instruction FollowingArena (LMArena)1415†1446
人間の評価
Arena TextArena (LMArena)1427†1448
EQ-Bench Creative Writing v3EQ-Bench1626†–
Arena Creative WritingArena (LMArena)1389†1424
Arena Multi-turnArena (LMArena)1449†1467
Arena Longer QueriesArena (LMArena)1435†1467
Lech Mazur Creative WritingLech Mazur86.0%–
マルチモーダル
Arena VisionArena (LMArena)1232†–
MMMU-ProArtificial Analysis74.3%–
VISTAScale AI SEAL49.7%†–
MMMU-Pro (Vals)Vals AI81.5%†–
MortgageTaxVals AI65.5%†–
VTBScale AI SEAL17.0%†–
GeoBenchGeoBench81.0%–
VPCTEpoch AI Benchmarking Hub63.2%–
長文コンテキスト
Fiction.LiveBench 120kFiction.live96.9%–
AA-LCR v1.1Artificial Analysis76.0%68.3%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub150†–
AA Intelligence Index v4.3.2Artificial Analysis22.928.6
AA Progress Index v1Artificial Analysis264.4279
HELM Capabilities meanHELM Capabilities80.7%†–
安全性・誠実さ
FORTRESSScale AI SEAL17.0%†–
MASKScale AI SEAL79.3%†–
メタデータ
AA Openness IndexArtificial Analysis5.6–

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。

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。