MiMo-V2.5-Pro im Benchmark: Starke soziale Deduktionslogik, gutes Preis-Leistungs-Verhältnis im Vergleich zu K2.6

MiMo-V2.5-Pro, Xiaomis neuestes Open-Weights-Modell, wurde in autonomen Spielen von Blood on the Clocktower getestet – einem komplexen sozialen Deduktionsspiel ähnlich wie Mafia/Werwolf. Der Benchmark, erstellt von Reddit-Benutzer cjami, lässt Modelle in vollständigen Spielen gegeneinander antreten und misst dabei Argumentation, Täuschung und Werkzeugnutzung.

Wichtige Ergebnisse

• Siegquote: 88% als gutes Team, 48% als böses Team – insgesamt hoch, aber unausgewogen. Die Leistung als böses Team ist die größte Schwäche im Vergleich zu Kimi K2.6.
• Tokeneffizienz: 183.639 Ausgabetoken pro Spiel, ähnlich wie Gemini 3.1 Pro. Vergleich mit Kimi K2.6 bei 580.000 Token (3x länger).
• Kosten pro Spiel: 0,99 $ – weniger als die Hälfte von Kimi K2.6 (2,65 $) und weit unter Claude Opus 4.6 (3,76 $).
• Spieldauer: 2-3 Stunden (im Vergleich zu Kimi K2.6, das aufgrund ausführlicher Argumentation 10-15 Stunden dauert).
• Fehlerquote bei Tool-Aufrufen: 0,4 % – zuverlässig für autonome Agenten-Workflows.

Bemerkenswerte Leistung

Starke Argumentation unter Unsicherheit: Beispiel für das Denken aus der Perspektive anderer im Vergleich zu GPT 5.5 und klare Schlussfolgerungen, die ein Spiel gewinnen.

Bemerkenswerte Fehler

• Ein böser Baron, von dem erwartet wurde, dass er sich selbst verrät, führte zu einer Niederlage – gegen Claude Opus 4.6.
• Ein Diener, der seine Rolle gesteht – Transkript.

Praktische Erkenntnis

Für Entwickler, die ein Open-Weights-Modell mit starker Argumentation in Multi-Agenten- oder spieltheoretischen Umgebungen benötigen, bietet MiMo-V2.5-Pro das beste Preis-Leistungs-Verhältnis unter den Top-Modellen – niedrigere Kosten, schnellere Inferenz und angemessene Zuverlässigkeit, wenn auch mit Raum für Verbesserungen in gegnerischen Rollen.

Vollständige Model-Transkripte und Spiellogs: MiMo-V2.5-Pro auf Clocktower Radio. Methodik: So funktioniert es.