MiniMax-M1-80k大模型评测基准与性能对比

本页面提供了MiniMax-M1-80k,MiniMax-M1-40k,Gemini-2.5-Pro-Preview-06-05,DeepSeek-R1-0528,Claude Opus 4,Qwen3-235B-A22B,OpenAI o3,DeepSeek-R1模型在MMLU Pro,SimpleQA,GPQA Diamond,SWE-bench Verified,HLE,LiveCodeBench,AIME2025,AIME 2024,MATH-500等评测基准中的详细对比数据,评测数据来源当前系统收录结果生成。数据如有问题可以通过微信公众号联系更正,感谢!

详细评测数据对比

评测基准 (Benchmark) MiniMax-M1-80k MiniMax-M1-40k Gemini-2.5-Pro-Preview-06-05 DeepSeek-R1-0528 Claude Opus 4 Qwen3-235B-A22B OpenAI o3 DeepSeek-R1
MMLU Pro (知识问答)
-- -- -- -- -- -- -- --
SimpleQA (真实性评估)
-- -- -- -- -- -- -- --
GPQA Diamond (常识推理)
-- -- -- -- -- -- -- --
SWE-bench Verified (代码生成)
-- -- -- -- -- -- -- --
HLE (知识问答)
-- -- -- -- -- -- -- --
LiveCodeBench (代码生成)
-- -- -- -- -- -- -- --
AIME2025 (数学推理)
-- -- -- -- -- -- -- --
AIME 2024 (数学推理)
-- -- -- -- -- -- -- --
MATH-500 (数学推理)
-- -- -- -- -- -- -- --

MiniMax-M1-80k模型评测结果对比图

性能概览 (热力图)

颜色越深,代表得分越高。可快速发现模型在不同评测项上的整体表现模式。