MiMo-V2.6-Pro vs. Gemini 3.1 Pro: Eine 16-Punkte-Lücke, die nur in einer Indexversion existiert

Setzt man Xiaomi MiMo-V2.6-Pro und Gemini 3.1 Pro Preview im Artificial Analysis Intelligence Index nebeneinander, erhält man 46 gegen 30 – ein Sechzehn-Punkte-Vorsprung für ein Modell, das beim Input nur ein Fünftel kostet. Setzt man sie anhand der Zahlen nebeneinander, die beide Anbieter zu ihren eigenen Markteinführungen veröffentlicht haben, gewinnt Gemini 3.1 Pro mit elf. Beide Lesarten stammen vom selben Evaluator. Der Grund, warum sie nicht übereinstimmen, ist das mit Abstand Nützlichste, was man über den Vergleich von Modellen im September 2026 verstehen sollte: Der Index wurde unter beiden neu aufgebaut, und ein Score ist nur neben der Versionsnummer aussagekräftig, die ihn erzeugt hat.

Das v4.3.2-Composite ist das aktuelle. Es umfasst zehn Evaluierungen — AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience und AA-LCR v1.1 — und darin erzielt Xiaomis Modell, abgelesen am 22. September 2026, 46 Punkte und Googles 30. Zum Start am 19. Februar 2026 wurde Gemini 3.1 Pro Preview mit 57 auf der damals aktuellen Skala angegeben, womit es die Bestenliste anführte. Diese beiden Gemini-Werte sind kein Rückgang. Sie sind zwei verschiedene Maßstäbe.

Was jedes Modell tatsächlich ist

Gemini 3.1 Pro Preview ist Googles Frontier-Reasoning-Modell, veröffentlicht am 19. Februar 2026, das auch sieben Monate später noch das Preview-Label trägt. Es hat ein Kontextfenster von 1 Mio. Tokens, begrenzt die Ausgabe auf 65.536 Tokens – bei Artificial Analysis als 64K und auf unserer eigenen Modellseite als 65K aufgeführt – und verarbeitet Text, Bilder, PDFs, Audio und Video als Eingabe und gibt Text aus. Es ist proprietär, mit nicht offengelegter Parameteranzahl und einem Knowledge-Cutoff von Januar 2025. Googles eigene API berechnet $2,00 pro Million Input-Tokens und $12,00 pro Million Output-Tokens unter 200K Input, darüber steigen die Preise auf $4,00 und $18,00, bei gecachtem Input $0,20.

Xiaomi MiMo-V2.6-Pro wurde am 22. September 2026 allgemein verfügbar, wobei die Repositories der Reinforcement-Learning-Checkpoints am Tag zuvor erschienen. Es ist ein dünnbesetztes Mixture-of-Experts-Modell mit insgesamt 1,02 Billionen Parametern und 42 Milliarden pro Token aktivierten Parametern, einem Kontextfenster von 1 Mio. Token, nativer Multimodalität über Text, Bild, Video und Audio sowie herunterladbaren Gewichten unter MIT-Lizenz. Xiaomi behielt die Preisgestaltung der vorherigen MiMo-V2.5-Generation bei, statt den neuen Checkpoint höher zu bepreisen: $0,43 pro Million Eingabe-Token und $0,87 pro Million Ausgabe-Token, mit 99 % Cache-Rabatt und einem Mischpreis von $0,18 bei einem Verhältnis von 7:2:1 aus Cache-Treffern/Eingabe/Ausgabe.

• Gewichte — Xiaomi MiMo-V2.6-Pro MIT-lizenziert und herunterladbar; Gemini 3.1 Pro Preview proprietär, nur per API

• Parameter — MiMo-V2.6-Pro 1,02 Billionen gesamt / 42 Mrd. aktiv; Gemini 3.1 Pro Preview nicht offengelegt

• Kontext — 1 Mio. Tokens bei beiden; Gemini 3.1 Pro Preview begrenzt die Ausgabe auf 65.536 Tokens, MiMo-V2.6-Pro veröffentlicht keine entsprechende Obergrenze

• Modalität — MiMo-V2.6-Pro verarbeitet Text, Bild, Video und Audio; Gemini 3.1 Pro Preview verarbeitet Text, Bild, PDF, Audio und Video

• Listenpreis — MiMo-V2.6-Pro 0,43 $ / 0,87 $ pro 1 Mio. Token; Gemini 3.1 Pro Preview 2,00 $ / 12,00 $ unter 200K Eingabe, 4,00 $ / 18,00 $ darüber

• Cache — MiMo-V2.6-Pro 99 % Rabatt; Gemini 3.1 Pro Preview 0,20 $ pro 1 Mio. gecachte Lesevorgänge

• Geschwindigkeit — MiMo-V2.6-Pro 134,3 Ausgabe-Token/Sekunde; Gemini 3.1 Pro Preview 121,8

• Zeit bis zum ersten Token — MiMo-V2.6-Pro 2,15 Sekunden; Gemini 3.1 Pro Preview 63,62 Sekunden

• Gemessene Kosten für den Betrieb des Index — MiMo-V2.6-Pro 206,66 $ oder 0,13 $ pro Aufgabe; Gemini 3.1 Pro Preview 1.310,21 $ oder 0,67 $ pro Aufgabe

Das Vorschau-Label ist der eigentliche Unterschied.

Alles oben ist eine Spezifikation. Die eine Zeile, die ändert, wie man den gesamten Vergleich lesen sollte, ist das Wort „preview“. Ein Preview-Modell ist ein Kandidat, den Google nicht zugesagt hat, an diesem Endpunkt beizubehalten. Das ist für eine Vergleichsseite auf eine Weise wichtig, wie es ein Sechzehn-Punkte-Abstand im Index nicht ist, denn ein Modell, auf dessen Vorhandensein in sechs Monaten man sich nicht verlassen kann, ist kein Modell, auf das man standardisiert – und Googles eigene Produktfamilie ist bereits darüber hinaus. Gemini 3.6 Flash und Gemini 3.8 Flash übertreffen Gemini 3.1 Pro bei Coding- und agentischen Arbeiten zu geringeren Kosten, weshalb eine technische Rezension der 3.1-Pro-Veröffentlichung diese als eindeutig vorherige Generation beschrieb. Die AA-Seite selbst führt es in Bezug auf Intelligenz auf Rang 71 von 202.

Xiaomis Modell befindet sich in der entgegengesetzten Position. Es wurde diese Woche veröffentlicht, die Gewichte sind unter MIT verfügbar, und die Serving-Eigenschaften sind das Stärkste daran. 134,3 Ausgabe-Token pro Sekunde bringen es auf Platz elf von 114 auf Geschwindigkeit gemessenen Modellen, und 2,15 Sekunden bis zum ersten Token sind rund dreißigmal schneller als die 63,62 Sekunden von Gemini 3.1 Pro Preview. Für eine interaktive Anwendung ist das kein Tie-Breaker. Es ist der Unterschied zwischen einem Produkt und einer Demo, und es ist die Zahl, die in einer Benchmark-Tabelle am ehesten unsichtbar bleibt.

Wohin das Geld tatsächlich fließt

Die Arithmetik pro Token unterschätzt die Lücke zwischen diesen beiden, weil die Modelle nicht die gleiche Anzahl an Tokens verbrauchen, um dieselbe Aufgabe zu erledigen. Die sauberere Zahl ist die, die Artificial Analysis gemessen hat, um ihren vollständigen Intelligence Index für jedes Modell laufen zu lassen: 206,66 $ für MiMo-V2.6-Pro und 1.310,21 $ für Gemini 3.1 Pro Preview. Dieselbe Suite, dieselbe Testumgebung, auf dieselbe Weise gemessen – ein 6,3-facher Unterschied bei einem identischen Aufgabensatz, und zwar einer, der bereits berücksichtigt, dass Reasoning-Modelle beim Denken viele Tokens ausgeben. Gemini 3.1 Pro Preview hat über den Index hinweg 67 Millionen Output-Tokens generiert; der Median für Modelle in seiner Preisklasse liegt bei 90 Millionen, sodass es pro Punkt tatsächlich sparsamer ist als seine Vergleichsmodelle – und es kostet immer noch sechsmal mehr, es zu evaluieren, als das Xiaomi-Modell.

Dann lassen Sie eine Produktionsschleife dagegen laufen. Ein Agentenlauf mit 30 Schritten, der pro Schritt 200.000 Tokens Kontext liest und pro Schritt 2.000 Tokens schreibt, umfasst 6 Millionen Eingabe- und 60.000 Ausgabe-Tokens pro Lauf. Bei Gemini 3.1 Pro Preview unterhalb der 200K-Stufe sind das 12,00 $ für Eingabe und 0,72 $ für Ausgabe — 12,72 $ pro Lauf. Bei MiMo-V2.6-Pro sind es 2,58 $ und 0,05 $ — 2,63 $. Überschreiten Sie beim Google-Modell 200.000 Eingabe-Tokens, verdoppelt sich der Eingabetarif auf 4,00 $, womit dieselbe Schleife vor der Ausgabe 24,00 $ kostet. Caching verändert beide Zahlen, doch ein Rabatt von 99 % bei einem günstigen Modell gegenüber einem Cache-Lesevorgang von 0,20 $ bei einem teuren lässt das teure Modell bei einer kontextlastigen Schleife um eine Größenordnung vorn liegen.

Die Routing-Frage, ehrlich formuliert

Hier ist der Teil, bei dem man leicht etwas falsch machen kann. Gemini 3.1 Pro Preview ist auf OrcaRouter als google/gemini-3.1-pro-preview verfügbar, erreichbar über einen einzigen OpenAI-kompatiblen Schlüssel zum Listenpreis des Anbieters mit 0 % Aufschlag — sodass eine Google-Preisänderung bei uns noch am selben Tag live ist und nicht erst zum nächsten Abrechnungszyklus. Xiaomi MiMo-V2.6-Pro ist nicht auf OrcaRouter. Kein Xiaomi-Modell ist dort vertreten, und das unverblümt zu sagen ist nützlicher, als eine Modellseite etwas anderes suggerieren zu lassen. Um es heute zu erreichen, braucht man Xiaomis eigene Plattform oder einen der Drittanbieter-Kataloge, die es listen.

Diese Asymmetrie ist genau der Grund, warum ein Router seinen Platz in diesem Vergleich verdient, statt eine Fußnote darin zu sein. Die beiden Modelle konkurrieren nicht um dieselben Anfragen. Gemini 3.1 Pro Preview ist der Platzhirsch, für den Sie möglicherweise bereits bezahlen, und die Frage, die diese Seite beantwortet, ist, ob das neue günstige Modell einen Teil seines Traffics übernehmen kann. Diesen Test richtig durchzuführen bedeutet, Ihre eigenen Prompts an beide zu senden und die Antworten zu vergleichen, statt einen Index zu lesen – und ihn durch das Eröffnen eines zweiten Vertrags, eines zweiten Schlüssels und einer zweiten Abrechnungsbeziehung zustande zu bringen, ist die Reibung, die verhindert, dass der Test jemals stattfindet. Ein Schlüssel, beide Spuren, je nachdem, wohin wir sie leiten, und der Vergleich wird zu einer Konfigurationsänderung. Automatisches Failover deckt die andere Hälfte ab: Ein Preview-Modell kann kurzfristig zurückgezogen oder rate-limitiert werden, und eine zweite Spur hinter demselben Endpunkt ist das, was daraus statt eines Ausfalls eine Routing-Entscheidung macht.

Zu welchem man greifen sollte

Wählen Sie Gemini 3.1 Pro Preview, wenn die Aufgabe native PDF- und Audioeingabe erfordert, wenn Sie sich ohnehin im Google-Ökosystem befinden oder wenn Sie speziell das Verhalten dieses Modells benötigen und mit dem Deprecation-Risiko eines Preview-Endpunkts leben können. Seine 63 Sekunden bis zum ersten Token bedeuten, dass es in der Praxis ein Batch- und Offline-Workload-Modell ist, egal, was das Marketing über Interaktivität sagt.

Wählen Sie MiMo-V2.6-Pro, wenn das Volumen der begrenzende Faktor ist, wenn die Schleife kontextlastig und repetitiv ist, wenn Sie die Gewichte auf Ihrer eigenen Hardware haben möchten – MIT erlaubt kommerziellen Einsatz, Modifikation und weiteres Training – oder wenn die Latenz bis zum ersten Token Teil des Produkts ist. Es ist der seltene Fall eines günstigen Modells, das zugleich das schnelle ist, und diese Kombination ist mehr wert, als die sechzehn Indexpunkte nahelegen.

Was dieses Bild verändern würde, wäre ein Nachfolger von Gemini 3.1 Pro, der keine Preview-Version ist, oder eine unabhängige Reproduktion der DeepSWE-Zahlen, die Xiaomi aus seinem eigenen Harness veröffentlicht hat – 72,57 für Pro, 65,68 für Flash, ausgehend von 58,4 bzw. 48,8 im Verlauf des Reinforcement-Learning-Laufs. Bei diesen Zahlen handelt es sich um Anbieterangaben; sie wurden auf Xiaomis Grader mit mini-swe-agent als Durchschnitt aus drei Durchläufen evaluiert und nicht an ein öffentliches Leaderboard eingereicht. Bis jemand sie erneut laufen lässt, ist die 46 von Artificial Analysis die Zahl, die man nennen sollte, und sie wird mit demselben Maßstab gemessen wie die 30.

OrcaRouter stellt 200+ Modelle hinter einem einzigen OpenAI-kompatiblen Endpoint zum Listenpreis des Anbieters mit 0 % Aufschlag bereit, sodass eine Preisänderung eines Anbieters noch am selben Tag live ist.