Direktvergleich
Grok 4.5 vs. MiMo-V2.5-Pro
Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
- gemeinsame Messreihen
- 110
- verschiedene Benchmarks
- 19
- 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 | Grok 4.5 | MiMo-V2.5-Pro |
|---|---|---|
| Anbieter | xAI | Xiaomi |
| Erschienen | 16. Juli 2026 | 23. Apr. 2026 |
| Verfügbarkeit | Aktiv | Open Source |
| Modelltyp | Proprietär | Open Weights |
| Parameter | Nicht veröffentlicht | 1 Billionen, 42 Mrd. aktiv |
| Architektur | Nicht veröffentlicht | Mixture of Experts |
| Kontextfenster | 500.000 Token | 1.000.000 Token |
| Wissensstand | 1. Februar 2026 | Nicht veröffentlicht |
| Technische Quellen | Modell | Modell |
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 | Grok 4.5 | MiMo-V2.5-Pro |
|---|---|---|
| API-Eingabe | 2 $ ≤200K / 4 $ >200K | 0,43 $ |
| API-Ausgabe | 6 $ ≤200K / 12 $ >200K | 0,87 $ |
| Cache lesen | 0,3 $ ≤200K / 0,6 $ >200K | 0, $ |
| Cache schreiben (5 Min.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Cache schreiben (1 Std.) | Nicht ausgewiesen | Nicht ausgewiesen |
| Preis geprüft | 11.08.2026 Quelle | 31.07.2026 Quelle |
Grok 4.5MiMo-V2.5-Pro
API-EingabeUSD pro 1 Mio. Token, Basistarif
Grok 4.52 $
MiMo-V2.5-ProGünstiger0,435 $
API-AusgabeUSD pro 1 Mio. Token, Basistarif
Grok 4.56 $
MiMo-V2.5-ProGünstiger0,87 $
Cache lesenUSD pro 1 Mio. Token, Basistarif
Grok 4.50,3 $
MiMo-V2.5-ProGünstiger0,004 $
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 |
|---|---|---|---|---|---|
| Grok 4.5 | xAI | Direkt beim EntwicklerBis 200.000 Kontext-Token | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle11.08.2026 |
| xAI | Direkt beim EntwicklerÜber 200.000 Kontext-Token | 4 $ | 12 $ | Quelle11.08.2026 | |
| xAI | Über OpenRouterxai | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle25.08.2026 | |
| xAI | Über OpenRouterxai/priority | 4 $ | 12 $ | Quelle25.08.2026 | |
| xAI | Über OpenRouterxai/zdr | Günstigster erfasster Preis: 2 $ | Günstigster erfasster Preis: 6 $ | Quelle25.08.2026 | |
| xAI | Über OpenRouterxai/zdr/priority | 4 $ | 12 $ | Quelle25.08.2026 | |
| MiMo-V2.5-Pro | Xiaomi | Direkt beim EntwicklerStandard-API | 0,435 $ | 0,87 $ | Quelle31.07.2026 |
| AtlasCloud | Über OpenRouteratlas-cloud/fp8 | 0,435 $ | 0,87 $ | Quelle25.08.2026 | |
| DeepInfra | Über OpenRouterdeepinfra/fp8 | 1 $ | 3 $ | Quelle25.08.2026 | |
| DigitalOcean | Über OpenRouterdigitalocean | 0,4 $ | 1,5 $ | Quelle25.08.2026 | |
| GMICloud | Über OpenRoutergmicloud/bf16 | Günstigster erfasster Preis: 0,3045 $ | Günstigster erfasster Preis: 0,609 $ | Quelle25.08.2026 | |
| Novita | Über OpenRouternovita | 0,4802 $ | 0,9605 $ | Quelle25.08.2026 | |
| StreamLake | Über OpenRouterstreamlake | 0,522 $ | 1,044 $ | Quelle25.08.2026 | |
| Xiaomi | Über OpenRouterxiaomi/fp8 | 0,435 $ | 0,87 $ | 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.
Grok 4.5
MiMo-V2.5-Pro
Coding: 100 / 77,3 (5 Benchmarkfamilien)
Reasoning: 99,9 / 94,4 (2 Benchmarkfamilien)
Mathematik: 100 / 85,5 (2 Benchmarkfamilien)
Wissen: 99,9 / 97,4 (2 Benchmarkfamilien)
Finanzen: 98,5 / 95,4 (5 Benchmarkfamilien)
Recht: 100 / 61,9 (4 Benchmarkfamilien)
Agenten-Aufgaben: 100 / 84,5 (1 Benchmarkfamilie)
Gesundheit: 99,6 / 90,5 (3 Benchmarkfamilien)
48 passende Messreihen aus 19 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 10 vergleichbaren Kategorien.
Grok 4.5MiMo-V2.5-Pro
Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner36,596 %
MiMo-V2.5-Pro21,557 %
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner67,405 %
MiMo-V2.5-Pro61,422 %
EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.552,911 %
MiMo-V2.5-ProGewinner55,228 %
Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner48,349 %
MiMo-V2.5-Pro41,502 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner92,929 %
MiMo-V2.5-Pro82,576 %
Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner12,917 %
MiMo-V2.5-Pro2,083 %
Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner37,981 %
MiMo-V2.5-Pro15,865 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner85,965 %
MiMo-V2.5-Pro77,129 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner87,351 %
MiMo-V2.5-Pro81,354 %
LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Kein klarer Vorsprung1.470,287
MiMo-V2.5-Pro1.467,692
MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner43,291 %
MiMo-V2.5-Pro32,484 %
MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Grok 4.5Gewinner86,884 %
MiMo-V2.5-Pro83,73 %
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
| Benchmark und Aufgabe | Grok 4.5 | MiMo-V2.5-Pro | Quelle |
|---|---|---|---|
Code MigrationOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner36,596 % | 21,557 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
CorpFin v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner67,405 % | 61,422 % | Vals AIQuellendetailsDatenstand: 12.08.2026 |
EMBOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | 52,911 % | Gewinner55,228 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Finance Agent (v2)OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | Gewinner48,349 % | 41,502 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
GPQA DiamondOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner92,929 % | 82,576 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Harvey's Legal Agent BenchmarkOverall · Task fully resolvedTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser | Gewinner12,917 % | 2,083 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Legal Research BenchOverall · All-passTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser | Gewinner37,981 % | 15,865 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LegalBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner85,965 % | 77,129 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LiveCodeBench v6OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner87,351 % | 81,354 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
LMArena Text, Style ControlOverallTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 22.030 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 54.177 anonymen Paarvergleichen. | Kein klarer Vorsprung1.470,287 95-%-Konfidenzintervall: ±5,161Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.467,692 95-%-Konfidenzintervall: ±4,027Der 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 | Gewinner43,291 % | 32,484 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MedScribeOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,884 % | 83,73 % | Vals AIQuellendetailsDatenstand: 20.08.2026 |
MMLU-ProOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner89,216 % | 84,595 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
ProofBenchOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner31 % | 22 % | Vals AIQuellendetailsDatenstand: 21.08.2026 |
SWE-bench VerifiedOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner86,6 % | 74 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
TaxEval v2OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser | 71,668 % | Gewinner73,794 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Terminal-Bench 2.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser | Gewinner67,79 % | 57,303 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vals IndexOverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser | Gewinner51,528 % | 40,974 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Vibe Code Bench v1.1OverallTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands | Gewinner69,002 % | 34,113 % | Vals AIQuellendetailsDatenstand: 19.08.2026 |
Code MigrationCLITestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert25,461 % | 13,981 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Exact PagesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert66,317 % | 60,373 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
EMBCompsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 39,489 % | Höherer Messwert47,341 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)AdjustmentsTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert38,568 % | 34,386 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondFew-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert92,929 % | 80,808 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LegalBenchConclusion TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert89,507 % | 88,031 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Kein direkter Sieger99,068 % | Kein direkter Sieger99,068 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlBusiness, management and financeTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 4.365 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 10.730 anonymen Paarvergleichen. | 1.463,609 95-%-Konfidenzintervall: ±9,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Kein klarer Vorsprung1.472,047 95-%-Konfidenzintervall: ±6,917Der 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 besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert94,282 % | 92,469 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified<15 min fixTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert93,814 % | 82,474 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2CorrectnessTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 62,551 % | Höherer Messwert63,123 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1EasyTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert91,667 % | 75 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexCorpFin v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert68,415 % | 62,471 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCOBOLTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert70 % | 44,286 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Max Fitting ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert67,483 % | 61,422 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
EMBDataroomTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 64,953 % | Höherer Messwert77,965 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)All-PassTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert36,743 % | 28,848 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
GPQA DiamondZero-Shot CoTTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert92,929 % | 84,343 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LegalBenchInterpretation TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert83,22 % | 79,497 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert73,429 % | 58,571 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlChineseTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 1.462 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 2.924 anonymen Paarvergleichen. | 1.510,774 95-%-Konfidenzintervall: ±16,427Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | Kein klarer Vorsprung1.512,486 95-%-Konfidenzintervall: ±11,908Der 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 besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert93,283 % | 89,987 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified>4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert66,667 % | 33,333 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
TaxEval v2Stepwise ReasoningTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 80,785 % | Höherer Messwert84,464 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Terminal-Bench 2.1HardTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert56,667 % | 40 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexFinance Agent v2TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert48,751 % | 41,243 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
Code MigrationCode QualityTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: mean reviewer code-quality ratingBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert4,078 / 5 | 3,382 / 5 | Vals AIQuellendetailsDatenstand: 09.08.2026 |
CorpFin v2Shared Max ContextTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert68,415 % | 62,471 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
EMBDCFTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | 41,455 % | Höherer Messwert43,63 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)ComparablesTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert41,768 % | 40,15 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchIssue TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert90,129 % | 80,173 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LiveCodeBench v6MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert89,556 % | 86,423 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCodingTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 6.313 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 14.938 anonymen Paarvergleichen. | Kein klarer Vorsprung1.522,685 95-%-Konfidenzintervall: ±8,236Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.519,057 95-%-Konfidenzintervall: ±6,293Der 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 besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert91,608 % | 90,459 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified1-4 hoursTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert73,81 % | 33,333 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
Terminal-Bench 2.1MediumTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert72,121 % | 65,455 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Vals IndexSWE-benchTestdetailsKein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besser | Gewinner86,275 % | 66,667 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
EMBLBOTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert48,684 % | 47,739 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
Finance Agent (v2)Disclosure AnalysisTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert56,412 % | 53,148 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
LegalBenchRhetoric TasksTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert82,802 % | 64,964 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
LMArena Text, Style ControlCreative writingTestdetailsKein dokumentierter Unterschied im TestaufbauKein klarer VorsprungVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control MiMo-V2.5-Pro: Snapshot: mimo-v2.5-pro, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 4.307 anonymen Paarvergleichen.MiMo-V2.5-Pro: Stilbereinigte Arena-Bewertung aus 9.467 anonymen Paarvergleichen. | Kein klarer Vorsprung1.448,95 95-%-Konfidenzintervall: ±9,971Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis. | 1.436,134 95-%-Konfidenzintervall: ±7,31Der 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 besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert90,976 % | 88,049 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
SWE-bench Verified15 min - 1 hourTestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert83,525 % | 74,713 % | Vals AIQuellendetailsDatenstand: 08.08.2026 |
Vals IndexTerminal-Bench 2.1TestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert67,79 % | 57,303 % | Vals AIQuellendetailsDatenstand: 09.08.2026 |
EMBM&ATestdetailsTestaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 MiMo-V2.5-Pro: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 128.000 tokens | Höherer Messwert64,62 % | 64,098 % | Vals AIQuellendetailsDatenstand: 06.08.2026 |
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 Grok 4.5 und MiMo-V2.5-Pro mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.