Seorang pengguna Reddit melaporkan bahwa Mimo v2.5 mengungguli DeepSeek V4 Flash dalam tugas pemrograman setelah diuji melalui endpoint Open Code. Penulis menguji beberapa model menggunakan harness Terminal Bench v2.0, menemukan bahwa Hermes mencetak skor 55% dengan Mimo v2.5 sementara kombinasi lain mendapat di bawah 50%. Meskipun DeepSeek V4 Flash dianggap sebagai model yang kuat, pengguna merasa Mimo v2.5 lebih membantu untuk pemecahan masalah kompleks dalam kehidupan nyata.
- Hermes mencapai skor 55% pada Terminal Bench v2.0 saat dipasangkan dengan Mimo v2.5 melalui endpoint Open Code.
- Model dan harness lainnya, termasuk DeepSeek V4 Flash, mendapat di bawah 50% dalam tes yang sama.
- Pengguna menguji Hy3 Preview tetapi menemukan skornya rendah dan merasa model tersebut terlalu dilatih pada benchmark.
- Hermes diidentifikasi sebagai alat CLI superior untuk model tingkat rendah dalam studi kasus spesifik ini.