Direktvergleich
GLM-5.1 vs. MiMo-V2.5
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 98
- verschiedene Benchmarks
- 17
- jüngster Abruf
- 26.08.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
| Merkmal | GLM-5.1 | MiMo-V2.5 |
|---|---|---|
| Anbieter | Z.ai | Xiaomi |
| Erschienen | 7. Apr. 2026 | 23. Apr. 2026 |
| Verfügbarkeit | Open Source | Open Source |
| Modelltyp | Open Weights | Open Weights |
| Parameter | 744 Mrd., 40 Mrd. aktiv | Nicht veröffentlicht |
| Architektur | Mixture of Experts | Mixture of Experts |
| Kontextfenster | 200.000 Token | 1.000.000 Token |
| Wissensstand | Nicht veröffentlicht | Nicht veröffentlicht |
| Technische Quellen | Modell, Kontext | Modell, Kontext |
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.
| Preisart | GLM-5.1 | MiMo-V2.5 |
|---|---|---|
| API-Eingabe | 1,4 $ | 0,14 $ |
| API-Ausgabe | 4,4 $ | 0,28 $ |
| Cache lesen | 0,26 $ | 0, $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 30.07.2026 Quelle | 31.07.2026 Quelle |
GLM-5.1MiMo-V2.5
API-EingabeUSD pro 1 Mio. Token, Basistarif
GLM-5.11,4 $
MiMo-V2.5Günstiger0,14 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
GLM-5.14,4 $
MiMo-V2.5Günstiger0,28 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
GLM-5.10,26 $
MiMo-V2.5Günstiger0,003 $
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.
| Modell | Anbieter | Bezugsweg und Tarif | Eingabe pro 1 Mio. Token | Ausgabe pro 1 Mio. Token | Quelle |
|---|---|---|---|---|---|
| GLM-5.1 | Z.ai | Direkt beim EntwicklerStandard-API | 1,4 $ | 4,4 $ | Quelle30.07.2026 |
| Alibaba | Über OpenRouteralibaba/fp8 | 1,33 $ | 4,18 $ | Quelle25.08.2026 | |
| AtlasCloud | Über OpenRouteratlas-cloud/fp8 | 1,26 $ | 3,96 $ | Quelle25.08.2026 | |
| Baidu | Über OpenRouterbaidu/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Chutes | Über OpenRouterchutes/fp8 | 0,98 $ | 3,08 $ | Quelle25.08.2026 | |
| Crusoe | Über OpenRoutercrusoe/fp8 | 1,2 $ | 4,4 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp4 | 1,05 $ | 3,5 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 1,3 $ | 4,3 $ | Quelle25.08.2026 | |
| Friendli | Über OpenRouterfriendli | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/fp8 | Günstigster erfasster Preis: 0,91 $ | Günstigster erfasster Preis: 2,86 $ | Quelle25.08.2026 | |
| Nebius | Über OpenRouternebius/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita/fp8 | 1,38 $ | 4,4 $ | Quelle25.08.2026 | |
| Parasail | Über OpenRouterparasail/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| Phala | Über OpenRouterphala | 1,21 $ | 4,2 $ | Quelle25.08.2026 | |
| SiliconFlow | Über OpenRoutersiliconflow/fp8 | 1,19 $ | 3,74 $ | Quelle25.08.2026 | |
| StreamLake | Über OpenRouterstreamlake/fp8 | 0,966 $ | 3,036 $ | Quelle25.08.2026 | |
| Venice | Über OpenRoutervenice/fp8 | 1,54 $ | 4,84 $ | Quelle25.08.2026 | |
| Z.AI | Über OpenRouterz-ai/fp8 | 1,4 $ | 4,4 $ | Quelle25.08.2026 | |
| MiMo-V2.5 | Xiaomi | Direkt beim EntwicklerStandard-API | 0,14 $ | 0,28 $ | Quelle31.07.2026 |
| DeepInfra | Über OpenRouterdeepinfra/bf16 | 0,4 $ | 2 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/fp8 | Günstigster erfasster Preis: 0,119 $ | Günstigster erfasster Preis: 0,238 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita/fp8 | 0,168 $ | 0,336 $ | Quelle25.08.2026 | |
| Parasail | Über OpenRouterparasail/fp8 | 0,14 $ | 0,28 $ | Quelle25.08.2026 | |
| Xiaomi | Über OpenRouterxiaomi/fp8 | 0,14 $ | 0,28 $ | Quelle25.08.2026 |
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.
GLM-5.1
MiMo-V2.5
Coding: 94,9 / 89,3 (5 Benchmarkfamilien)
Reasoning: 100 / 97,3 (2 Benchmarkfamilien)
Mathematik: 100 / 97,9 (1 Benchmarkfamilie)
Wissen: 100 / 96,7 (2 Benchmarkfamilien)
Finanzen: 99,8 / 93,3 (4 Benchmarkfamilien)
Recht: 75 / 80,7 (4 Benchmarkfamilien)
Agenten-Aufgaben: 93,8 / 100 (1 Benchmarkfamilie)
Gesundheit: 100 / 91,3 (3 Benchmarkfamilien)
45 passende Messreihen aus 17 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.
GLM-5.1MiMo-V2.5
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner25,768 %
MiMo-V2.514,228 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner64,452 %
MiMo-V2.559,907 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner44,792 %
MiMo-V2.536,728 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner84,518 %
MiMo-V2.581,566 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.10 %
MiMo-V2.5Gewinner1,667 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner27,885 %
MiMo-V2.59,135 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner84,394 %
MiMo-V2.578,886 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.181,38 %
MiMo-V2.5Gewinner81,512 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner1.467,757
MiMo-V2.51.433,655
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner41,604 %
MiMo-V2.531,895 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner72,27 %
MiMo-V2.572,151 %
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
GLM-5.1Gewinner86,9 %
MiMo-V2.582,931 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | GLM-5.1 | MiMo-V2.5 | Quelle |
|---|---|---|---|
Code MigrationOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner25,768 % | 14,228 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
CorpFin v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner64,452 % | 59,907 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
Finance Agent (v2)OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner44,792 % | 36,728 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
GPQA DiamondOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner84,518 % | 81,566 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Harvey's Legal Agent BenchmarkOverall · Task fully resolvedTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser | 0 % | Gewinner1,667 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Legal Research BenchOverall · All-passTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser | Gewinner27,885 % | 9,135 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LegalBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner84,394 % | 78,886 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LiveCodeBench v6OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 81,38 % | Gewinner81,512 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LMArena Text, Style ControlOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 42.267 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 44.557 anonymen Paarvergleichen. | Gewinner1.467,757 95-%-Konfidenzintervall: ±4,079Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.433,655 95-%-Konfidenzintervall: ±4,349Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MedCodeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner41,604 % | 31,895 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MedScribeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner72,27 % | 72,151 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MMLU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,9 % | 82,931 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
SWE-bench VerifiedOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner76,4 % | 71 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
TaxEval v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 71,194 % | Gewinner71,832 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Terminal-Bench 2.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser | 56,929 % | Gewinner60,674 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vals IndexCorpFin v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert65,268 % | 60,14 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Vibe Code Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands | 31,456 % | Gewinner42,174 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Code MigrationCLITestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert18,833 % | 9,88 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Exact PagesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert61,772 % | 59,441 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)AdjustmentsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert43,276 % | 31,746 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondFew-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert85,787 % | 79,798 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LegalBenchConclusion TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert89,575 % | 86,386 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert98,754 % | 98,447 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlBusiness, management and financeTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 8.473 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.124 anonymen Paarvergleichen. | Gewinner1.465,984 95-%-Konfidenzintervall: ±7,262Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.441,586 95-%-Konfidenzintervall: ±7,443Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProBiologyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert93,724 % | 90,237 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified<15 min fixTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert88,66 % | 80,928 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2CorrectnessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert61,538 % | 60,752 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 83,333 % | Höherer Messwert100 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexFinance Agent v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert44,79 % | 37,61 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCOBOLTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert46,571 % | 27,273 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Max Fitting ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert66,317 % | 60,14 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)All-PassTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert32,68 % | 23,785 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondZero-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 83,249 % | Höherer Messwert83,333 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LegalBenchInterpretation TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert81,709 % | 74,351 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 57,429 % | Höherer Messwert59,143 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlChineseTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 2.556 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 2.144 anonymen Paarvergleichen. | Gewinner1.519,694 95-%-Konfidenzintervall: ±12,722Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.484,396 95-%-Konfidenzintervall: ±13,568Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProBusinessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert91,128 % | 89,227 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified>4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert33,333 % | 0 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2Stepwise ReasoningTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 80,851 % | Höherer Messwert82,911 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert37,778 % | 36,667 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexSWE-benchTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besser | Gewinner72,549 % | 64,706 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCode QualityTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert3,544 / 5 | 2,788 / 5 | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Shared Max ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert65,268 % | 60,14 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)ComparablesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert41,557 % | 31,672 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchIssue TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert89,02 % | 86,337 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert87,958 % | 86,945 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCodingTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 11.848 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 12.875 anonymen Paarvergleichen. | Gewinner1.515,26 95-%-Konfidenzintervall: ±6,441Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.490,724 95-%-Konfidenzintervall: ±6,691Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProChemistryTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert91,844 % | 89,841 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified1-4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert45,238 % | 33,333 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
Terminal-Bench 2.1MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 65,455 % | Höherer Messwert70,909 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexTerminal-Bench 2.1TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 56,929 % | Höherer Messwert60,674 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Finance Agent (v2)Disclosure AnalysisTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert52,713 % | 47,346 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchRhetoric TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert81,108 % | 77,776 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCreative writingTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 7.719 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 7.321 anonymen Paarvergleichen. | Gewinner1.449,165 95-%-Konfidenzintervall: ±7,729Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.393,348 95-%-Konfidenzintervall: ±8,025Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProComputer ScienceTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert89,487 % | 86,585 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified15 min - 1 hourTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGLM-5.1: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 131.072 tokens MiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert72,797 % | 70,498 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
Vals IndexVibe Code BenchTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 32,804 % | Höherer Messwert48,148 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Finance Agent (v2)Earnings AnalysisTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert56,958 % | 45,006 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchRule TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert80,56 % | 69,582 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlEnglishTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 19.039 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 20.247 anonymen Paarvergleichen. | Gewinner1.481,535 95-%-Konfidenzintervall: ±5,272Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.452,366 95-%-Konfidenzintervall: ±5,601Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProEconomicsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert88,981 % | 86,73 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Finance Agent (v2)Financial ModelingTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert13,466 % | 5,271 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LMArena Text, Style ControlEntertainment, sports and mediaTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGLM-5.1: Snapshot: glm-5.1, Harness: Arena text, style control MiMo-V2.5: Snapshot: mimo-v2.5, Harness: Arena text, style controlGLM-5.1: Stilbereinigte Arena-Bewertung aus 9.479 anonymen Paarvergleichen.MiMo-V2.5: Stilbereinigte Arena-Bewertung aus 9.692 anonymen Paarvergleichen. | Gewinner1.443,65 95-%-Konfidenzintervall: ±7,083Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.401,671 95-%-Konfidenzintervall: ±7,397Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | LMArenaQuellendetailsDatenstand: 21.08.2026 |
MMLU-ProEngineeringTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserMiMo-V2.5: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert84,029 % | 81,011 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand | |||
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
Ähnliche LLM-Vergleiche
Vergleiche GLM-5.1 und MiMo-V2.5 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.