BenchLeader

GPT-5.4 vs MiMo-V2.6-Pro

完整资料:GPT-5.4(OpenAI)和 MiMo-V2.6-Pro(Xiaomi),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,质量上 GPT-5.4 领先 MiMo-V2.6-Pro(BenchLeader Index 63.1 比 57.5)。不过,MiMo-V2.6-Pro 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.544 比 $5.63)。看重知识(59 比 42)、推理(66 比 50)和编程(65 比 59)选 GPT-5.4;看重长上下文(68 比 66)选 MiMo-V2.6-Pro。MiMo-V2.6-Pro 的首次回答更快(42.3 秒 比 144.9 秒)。GPT-5.4 的输出更快。

要点(截至 2026年11月16日)

  • GPT-5.4 的 BenchLeader Index 为 63.1,MiMo-V2.6-Pro 为 57.5(BenchLeader,2026年11月16日)。
  • GPT-5.4 每百万 token 混合价格为 $5.63(标价,2026年11月16日)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月16日)。
  • GPT-5.4 比 MiMo-V2.6-Pro 输出更快(Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 13 项基准测试中,MiMo-V2.6-Pro 领先 13 项(BenchLeader,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-5.4类别得分 65 比 59;SciCode 56.6% 比 60.9%中
智能体与工具调用GPT-5.4类别得分 63 比 57;GDPval-AA v2.1 1256 比 1692中
数学均可类别得分 65 比 66;ProofBench 56.0% 比 70.0%均可
推理GPT-5.4类别得分 66 比 50;Humanity's Last Exam (AA) 43.7% 比 49.4%高
知识GPT-5.4类别得分 59 比 42;MedCode 41.3% 比 45.0%高
长文档MiMo-V2.6-Pro类别得分 68 比 66;AA-LCR v1.1 86.3% 比 82.0%中
图像及其他媒体均可类别得分 61 比 60均可
对话质量(人类偏好)–只有 MiMo-V2.6-Pro 有 Arena 评分(类别得分 67)无法比较
成本最低MiMo-V2.6-Pro每百万 token 混合价格 $0.548 比 $5.63;智能体编程会话 $0.030 比 $0.210–
首次回答最快MiMo-V2.6-Pro首个回答 token 42.3 秒(MiMo-V2.6-Pro)比 144.9 秒(GPT-5.4 (xhigh))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 GPT-5.4 (xhigh) 领先:63.1 比 57.5。
  • GPT-5.4 (xhigh) 在智能体与工具、编程、知识、多模态、推理方面更强。
  • MiMo-V2.6-Pro 在长上下文、数学方面更强。
  • MiMo-V2.6-Pro 更便宜,对方的价格是它的 10 倍(每百万 token 混合价格 $0.544 比 $5.63)。
  • GPT-5.4 (xhigh) 的输出速度是对方的 1.3 倍(73 比 54 token/秒)。

概览

规格GPT-5.4MiMo-V2.6-Pro
提供商OpenAIXiaomi
发布日期2026年3月5日2026年9月21日
上下文窗口(token)1,050,0001,048,576
对比时的配置GPT-5.4 (xhigh)MiMo-V2.6-Pro
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$2.50 / $15.00 / $0.250$0.440 / $0.870 / $0.0036

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-5.4 (xhigh)MiMo-V2.6-Pro领先者
推理65.749.9GPT-5.4
编程64.758.8GPT-5.4
智能体与工具63.057.1GPT-5.4
数学64.865.5持平
知识58.642.3GPT-5.4
指令遵循72.4–无法比较
人类偏好–67.0无法比较
多模态60.860.2持平
长上下文65.767.9MiMo-V2.6-Pro

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态GPT-5.4, 推理: 65.7GPT-5.4, 编程: 64.7GPT-5.4, 智能体与工具: 63.0GPT-5.4, 数学: 64.8GPT-5.4, 知识: 58.6GPT-5.4, 长上下文: 65.7GPT-5.4, 多模态: 60.8MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 数学: 65.5MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9MiMo-V2.6-Pro, 多模态: 60.2

未绘制(测得的模型少于两个):指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 13 项基准测试中,GPT-5.4 领先 0 项,MiMo-V2.6-Pro 领先 13 项。第三方来源看法不一:GPT-5.4 在 BenchLeader Index 上领先;MiMo-V2.6-Pro 在 Arena Text 上领先。

综合 IndexGPT-5.4 (xhigh)MiMo-V2.6-Pro领先者
BenchLeader Index63.157.5GPT-5.4
Arena Text1475†1480MiMo-V2.6-Pro

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-5.4 (xhigh)MiMo-V2.6-Pro
每百万 token 混合价格$5.63$0.548
每百万 token 输入 / 输出$2.50 / $15.00$0.440 / $0.870
每百万 token 缓存输入$0.250$0.0036
每项任务价格:聊天回复$0.0055$0.0004
每项任务价格:总结一份 30 页的报告$0.039$0.0058
每项任务价格:代码编辑$0.037$0.0039
每项任务价格:智能体编程会话$0.210$0.030
每项任务价格:结构化信息提取$0.0080$0.0011
智能体编程会话(输入大多命中缓存)$0.109$0.010
每项基准测试任务成本(AA Index)–$0.257
每项任务输出 token(AA Index)–121k
其中推理部分–86k
每项任务耗时(AA Index)–38 min
输出速度73 tok/s54 tok/s
首次回答时间144.9 秒42.3 秒
完整回答耗时(最近一次测量 2026年11月13日)193.1 秒95.7 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 (xhigh) 得分 63.1,首个回答 token 需 145 秒;GPT-5.4 (low) 为 58.8(3 秒),GPT-5.4 (high) 为 58.6(2 秒)。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 181 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-5.4 (xhigh)MiMo-V2.6-Pro
BenchLeader IndexBenchLeader63.157.5
智能体与工具得分BenchLeader63.057.1
编程得分BenchLeader64.758.8
指令遵循得分BenchLeader72.4–
知识得分BenchLeader58.642.3
长上下文得分BenchLeader65.767.9
数学得分BenchLeader64.865.5
多模态得分BenchLeader60.860.2
推理得分BenchLeader65.749.9
人类偏好得分BenchLeader–67.0
混合价格(美元/百万 token)BenchLeader$5.63$0.548
输出速度BenchLeader73 tok/s54 tok/s
首次回答时间BenchLeader144.9 秒42.3 秒
上下文窗口BenchLeader1,050,000 token1,048,576 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.3%–
Humanity's Last ExamScale AI / CAIS36.2%–
Arena Hard PromptsArena (LMArena)1487†1504
LiveBench 2.0 ReasoningLiveBench–79.6%†
LiveBench 1.0 ReasoningLiveBench88.1%–
GPQA Diamond (AA)Artificial Analysis92.0%–
Humanity's Last Exam (AA)Artificial Analysis43.7%49.4%
HLE-Diamond (AA)Artificial Analysis–15.2%
GPQA Diamond (Vals)Vals AI91.7%–
Kagi LLM BenchmarkKagi LLM Benchmark63.8%†–
ARC-AGI-1ARC Prize93.7%–
ARC-AGI-2ARC Prize74.0%–
ARC-AGI-3ARC Prize0.2%†–
CritPtArtificial Analysis23.4%26.6%
CritPt v2 hard subset (AA)Artificial Analysis–34.0%
MysteryMechanismVals AI–15.3%
Arena ExpertArena (LMArena)1491†1526
Chess PuzzlesEpoch AI Benchmarking Hub48.0%–
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%–
CL-benchEpoch AI Benchmarking Hub27.9%–
CL-bench LifeEpoch AI Benchmarking Hub21.7%–
LMCAEpoch AI Benchmarking Hub52.0%–
DTBenchEpoch AI Benchmarking Hub94.4%–
ForecastBenchForecastBench63.0%†–
编程
SWE-bench Verified (Epoch)Epoch AI Benchmarking Hub76.9%†–
显示全部 181 项基准测试
指标发布方GPT-5.4 (xhigh)MiMo-V2.6-Pro
编程
SciCodeSciCode56.6%60.9%
WeirdMLWeirdML77.7%–
GSO-BenchGSO-Bench31.4%–
Arena CodingArena (LMArena)1511†1538
Arena WebDevArena (LMArena)1400†1625
LiveBench 2.0 CodingLiveBench–64.5%†
LiveBench 1.0 CodingLiveBench77.5%–
SciCode (AA)Artificial Analysis–60.9%
LiveCodeBenchVals AI84.1%–
IOIVals AI–39.3%
SWE-bench (Vals)Vals AI78.2%–
SWE-Bench ProScale AI SEAL59.1%–
Code MigrationVals AI35.0%43.0%
Code Migration v1.1Vals AI–48.8%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–41.3%
Vibe Code Bench v1.1Vals AI67.4%85.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE-Bench Pro (private)Scale AI SEAL43.4%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL40.8%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.3%–
SWE Atlas v1.0: Test WritingScale AI SEAL44.4%–
MirrorCodeEpoch AI Benchmarking Hub23.3%–
DeepSWE v1.1Epoch AI Benchmarking Hub51.8%–
ALE-BenchEpoch AI Benchmarking Hub1607†1158.1
AlgoTuneAlgoTune1.9†–
Terminal-Bench 4.0 (AA)Artificial Analysis–34.9%
Terminal-Bench 2.1 (AA)Artificial Analysis78.3%–
GameBench 2 OverallDuelLab GameBench 253.4†–
GameBench 2 by reasoning settingDuelLab GameBench 262.149.8†
Design Arena WebsiteDesign Arena1190†1311
FrontierCode 1.1 (AA)Artificial Analysis–45.4%
FrontierCode 2.0 (AA)Artificial Analysis–24.0%
智能体与工具
Terminal-BenchTerminal-Bench81.8%†27.0%†
APEX-AgentsMercor52.4%†54.4%
Arena AgentArena (LMArena)–2.4
LiveBench Long AgenticLiveBench–36.4%†
LiveBench BrowserLiveBench–77.3%†
LiveBench Agentic CodingLiveBench53.8%–
Terminal-Bench HardArtificial Analysis57.6%–
τ²-Bench Telecom (AA)Artificial Analysis87.1%–
Terminal-Bench 2.1 (Vals)Vals AI–67.8%
MCP AtlasScale AI SEAL70.6%–
HiL-BenchScale AI SEAL9.7%†–
τ³-bench Bankingτ²-bench39.4%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–59.1%
GDPval-AA v2.1Artificial Analysis12561692
τ³-Banking (AA)Artificial Analysis39.6%–
Analyst Agent (AA)Artificial Analysis–37.5%
APEX-Agents (AA)Artificial Analysis33.3%–
CyberBenchVals AI–72.9%
Finance Agent v2Vals AI–57.3%
Finance Agent v2.1Vals AI–64.3%
Harvey's Legal Agent Benchmark v1.1Vals AI–13.8%
Harvey's Legal Agent Benchmark v1Vals AI0.0%10.8%
Legal Research BenchVals AI–47.1%
SkillsBenchVals AI51.7%–
SREBenchVals AI–3.0%
Tax Agent BenchVals AI–32.4%
Terminal-Bench 2.0 (Vals)Vals AI58.4%†–
Terminal-Bench 4.0 (Vals)Vals AI–31.3%
Terminal-Bench ScienceVals AI–2.9%
Arena SearchArena (LMArena)1196†–
Arena Agent Task CompletionArena (LMArena)–5
DeepResearch BenchDeepResearch Bench35.1%†–
PostTrainBenchEpoch AI Benchmarking Hub17.8%†–
METR Time HorizonsMETR74.3%–
GBAEvalEpoch AI Benchmarking Hub45.1%†–
Vending-Bench 2Andon Labs6144.2†–
AutomationBenchArtificial Analysis–58.6%
GDP.pdf (AA)Artificial Analysis–19.2%
AA-Briefcase v1.1Artificial Analysis–1512
Design Arena AgenticDesign Arena1042†1271
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–5.7%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis–26.2%
CyberGym end-to-end (AA)Artificial Analysis–78.6%
MKA (AA)Artificial Analysis–37.3%
DeepSearchQAGoogle63.7%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub78.6%–
FrontierMath Tier 4Epoch AI Benchmarking Hub49.0%–
OTIS Mock AIMEEpoch AI Benchmarking Hub95.3%–
ProofBenchVals AI56.0%70.0%
LiveBench MathematicsLiveBench94.2%–
AIME (Vals)Vals AI96.7%–
AIME 2026MathArena99.2%–
HMMT February 2026MathArena97.7%–
USAMO 2026MathArena95.2%–
MathArena ApexMathArena54.2%–
Arena MathsArena (LMArena)1459†1484
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub45.1%–
LiveBench 2.0 Data AnalysisLiveBench–72.3%†
LiveBench ResearchLiveBench–84.8%†
LiveBench 1.0 Data AnalysisLiveBench79.3%–
AA-Omniscience v1.1Artificial Analysis–-4.5
MMLU-ProVals AI87.5%–
LegalBenchVals AI86.0%–
CorpFinVals AI65.3%–
TaxEvalVals AI74.0%–
MedQAVals AI96.1%–
PRBench FinanceScale AI SEAL45.6%†–
PRBench LegalScale AI SEAL44.4%†–
MultiNRCScale AI SEAL58.3%†–
CaseLaw v2Vals AI63.8%–
Excel Modeling BenchmarkVals AI–62.9%
Excel Modeling Benchmark v1.1Vals AI–67.3%
MedCodeVals AI41.3%45.0%
MedScribeVals AI77.5%88.3%
Public Benefits Bench v1.1Vals AI–68.9%
Access to Justice BenchmarkVals AI–70.0%
Financial Coaching BenchVals AI–75.4%
Immigration BenchVals AI–67.5%
EBR-benchEpoch AI Benchmarking Hub25.4%–
AA-Omniscience v1.1: accuracyArtificial Analysis–34.8%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–39.8%
指令遵循
LiveBench LanguageLiveBench82.6%–
LiveBench Instruction FollowingLiveBench70.2%–
IFBenchArtificial Analysis74.0%–
Arena Instruction FollowingArena (LMArena)1460†1472
人类偏好
Arena TextArena (LMArena)1465†1480
EQ-Bench 4EQ-Bench1258†–
EQ-Bench Creative Writing v3EQ-Bench1841†–
Arena Creative WritingArena (LMArena)1433†1448
Arena Multi-turnArena (LMArena)1480†1462
Arena Longer QueriesArena (LMArena)1477†1496
多模态
Arena VisionArena (LMArena)1292†1266
LiveBench DesignLiveBench–74.3%†
MMMU-ProArtificial Analysis78.4%–
VISTAScale AI SEAL50.9%†–
MMMU-Pro (Vals)Vals AI87.5%–
MortgageTaxVals AI68.3%–
SAGEVals AI–84.5%
Humanity's Sixth SenseScale AI SEAL–25.2%†
VTBScale AI SEAL29.2%†–
Blueprint-Bench 2Epoch AI Benchmarking Hub27.1%†–
Furniture AssemblyEpoch AI Benchmarking Hub37.5%–
VIALS-AAHandshake AI–43.5%
Code2Video-AAArtificial Analysis–1052
AA-3DArtificial Analysis–983
长上下文
AA-LCR v1.1Artificial Analysis82.0%86.3%
Arena DocumentArena (LMArena)1471†–
MLCRArtificial Analysis–12.8%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub157.8†–
LiveBench 2.0LiveBench–66.1%†
LiveBench 1.0LiveBench78.0%–
AA Intelligence Index v5.0.1Artificial Analysis–29.9
AA Intelligence Index v4.3.2Artificial Analysis39.046.3
AA Progress Index v1Artificial Analysis311.6321.2
Vals IndexVals AI–57.8
Vals Finance IndexVals AI–57.9%
Vals RSI IndexVals AI15.5%–
Vals Router IndexVals AI–57.8%
Vals Legal IndexVals AI–72.1%
AA Cyber IndexArtificial Analysis–56.1
安全与诚实
MASKScale AI SEAL89.7%†–
元数据
AA Openness IndexArtificial Analysis–52.8

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

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.

变化

  • MiMo-V2.6-Pro:1 项分数修订。
  • GPT-5.4 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • MiMo-V2.6-Pro:1 项分数修订。
  • GPT-5.4 (xhigh):1 项新结果(MirrorCode)。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • GPT-5.4 (xhigh):BenchLeader Index 63.7 → 63.2。
  • GPT-5.4 (xhigh):1 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • MiMo-V2.6-Pro:BenchLeader Index 61.1 → 57.2。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-5.4 vs MiMo-V2.6-Pro:常见问题

GPT-5.4 比 MiMo-V2.6-Pro 更好吗?
质量上 GPT-5.4 (xhigh) 领先:63.1 比 57.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-5.4 (xhigh) 总体领先,但请结合你的用途查看各类别得分。
GPT-5.4 和 MiMo-V2.6-Pro 哪个更便宜?价格会变吗?
目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 比 $5.63(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 GPT-5.4 还是 MiMo-V2.6-Pro 更好?
GPT-5.4 在编程方面得分更高(类别得分 65 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,GPT-5.4 为 56.6%,MiMo-V2.6-Pro 为 60.9%。
GPT-5.4 和 MiMo-V2.6-Pro 哪个更快?
GPT-5.4 输出更快(输出 73 比 54 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.4 还是 MiMo-V2.6-Pro 更好?
GPT-5.4 在智能体任务方面得分更高(类别得分 63 比 57,50 为平均水平)。
更多问题(4)
处理长文档哪个更好?
MiMo-V2.6-Pro 在长上下文基准测试上得分更高(68 比 66)。两者都约为 1.1M token(GPT-5.4 为 1,050,000,MiMo-V2.6-Pro 为 1,048,576)。
哪个延迟更低?
MiMo-V2.6-Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.3 秒比 144.9 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 GPT-5.4 和 MiMo-V2.6-Pro 的看法一致吗?
在两者都有结果的 13 项基准测试中,GPT-5.4 领先 0 项,MiMo-V2.6-Pro 领先 13 项。第三方来源看法不一:GPT-5.4 在 BenchLeader Index 上领先;MiMo-V2.6-Pro 在 Arena Text 上领先。
MiMo-V2.6-Pro 是什么时候发布的?
MiMo-V2.6-Pro 于 2026年9月21日 发布。