一位 Reddit 用户报告称，通过 Open Code endpoint 进行基准测试后，Mimo v2.5 在编码任务中优于 DeepSeek V4 Flash。作者使用 Terminal Bench v2.0 harness 测试了多个模型，发现 Hermes 与 Mimo v2.5 搭配时得分为 55%，而其他组合得分均低于 50%。尽管 DeepSeek V4 Flash 被认为是一个强大的模型，但该用户发现 Mimo v2.5 对于解决现实生活中的复杂问题更有帮助。

  • Hermes 通过 Open Code endpoint 与 Mimo v2.5 配对时，在 Terminal Bench v2.0 上取得了 55% 的得分。
  • 其他模型和 harnesses，包括 DeepSeek V4 Flash，在同一测试中的得分均低于 50%。
  • 用户测试了 Hy3 Preview，但发现其得分较低，并认为它在基准测试上过拟合。
  • Hermes 被确定为该特定案例研究中针对 low-level models 的 superior CLI tool。