Step 5 Preview vs. MiMo V2.6 Pro: Ein Indexpunkt für die neunfache Rechnung

Im selben Lauf von Artificial Analysis liegen StepFuns Step 5 Preview und Xiaomis MiMo V2.6 Pro nur einen Intelligenzpunkt auseinander: 29 gegen 30. Preislich trennt sie jedoch weit mehr als nur ein Rechnungsbetrag. Derselbe Lauf bepreist eine abgeschlossene Index-Aufgabe mit 2,35 US-Dollar für Step 5 Preview und 0,26 US-Dollar für MiMo V2.6 Pro – ein Verhältnis von rund neun zu eins. Beide sind Mixture-of-Experts-Modelle mit offenen Gewichten und einem Kontextfenster von einer Million Token, beide akzeptieren sowohl Bilder als auch Text, und beide erschienen Ende September 2026 im Abstand von einem Tag zueinander – Step 5 Preview über StepFuns API am 20. September, MiMo V2.6 Pro am 21. September. Damit ist dies der sauberste Direktvergleich, den es in der Open-Weight-Klasse gibt, und derjenige Vergleich, in dem das günstigere Modell zugleich das knapp besser abschneidende ist.

Das Folgende stützt sich auf einen einzigen Evaluationslauf, der auf der Indexversion durchgeführt wurde, die Artificial Analysis heute ausliefert – denn fast jede noch im Web vorhandene Vergleichsseite verwendet eine überholte. Die Zahlen unten sind reproduzierbar, stammen aus demselben Lauf und geben an, wer sie erzeugt hat.

Zwei Release Notes im Abstand von einer Woche, zwei sehr unterschiedliche Gewichtsreduktionen

Die Zeitpläne weichen ebenso stark voneinander ab wie die Architekturen. Step 5 Preview erhielt am 20. September eine API und blieb dann fast vier Wochen ein ausschließlich gehostetes Produkt, bevor StepFun am 15. Oktober die Checkpoints veröffentlichte. MiMo V2.6 Pro veröffentlichte am 21. September seine MIT-lizenzierten Gewichte zeitgleich mit der API, und Xiaomi veröffentlichte zur selben Zeit sein Rezept für bestärkendes Lernen, rund 7.000 Aufgabenumgebungen und ein destilliertes 9B-Geschwistermodell.

Die Datenblätter, eine Zeile pro Abmessung:

• Gesamt- und aktive Parameter — Step 5 Preview: 600B gesamt, 27B aktiv pro Token. MiMo V2.6 Pro: 1.0T gesamt, 42B aktiv.

• Architektur — Step 5 Preview: 92 Schichten, sparse Grouped-Query-Attention mit 8-Token-Blockindizierung und ein 3:1-Mix aus gated Sliding-Window-Attention und sparse Full Attention. MiMo V2.6 Pro: sparse MoE mit 384 gerouteten Experten, acht pro Token aktiv.

Kontext und Ausgabe — Schritt-5-Vorschau: 1M Token. MiMo V2.6 Pro: 1M Token, mit einer Ausgabeobergrenze von 131K auf unserer eigenen Modellseite.

Eingabe – Schritt-5-Vorschau: Text, Bild und Video. MiMo V2.6 Pro: Text, Bild, Video und Audio, und es wird mit nativem Audio statt nur mit Video beworben.

• Gewichte und Lizenz — Step 5 Preview: BF16 und FP8, unter der StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Preis pro Million Tokens — Step 5 Preview: 1,00 $ Eingabe, 2,70 $ Ausgabe, 0,10 $ Cache. MiMo V2.6 Pro: 0,435 $ Eingabe, 0,87 $ Ausgabe, 0,0036 $ Cache.

Die Parameterlücke fällt zuerst auf. Step 5 Preview ist das kleinere Modell gemessen an der Gesamtgröße und das kleinere gemessen an der aktiven Rechenleistung, 27B gegenüber 42B. Das ist kein Zufall der Verpackung; StepFuns technischer Blog vertritt den entgegengesetzten Kompromiss – ein schmaler, tiefer Stack, trainiert darauf, sich bei Long-Horizon-Agentenarbeit wie ein viel größeres Modell zu verhalten, weshalb 92 Schichten auf eine 600B-Hülle kommen statt auf eine mit einer Billion Parametern.

Das Board wurde neu bewertet, und die alten Zahlen sind noch überall.

Wenn Sie heute nach diesem Duell suchen, werden Ihnen die meisten Ergebnisse sagen, dass MiMo V2.6 Pro 46 Punkte und Step 5 Preview 44 Punkte erreicht. Das waren echte Messwerte. Sie wurden mit einer früheren Version des Artificial Analysis Intelligence Index ermittelt, und diese Version wurde inzwischen ersetzt. Auf der aktuellen Rangliste kommen dieselben beiden Modelle auf 30 und 29, und die Modelle, die früher in ihrer Nähe lagen, haben sich um ähnliche Beträge verschoben.

Das ist aus einem praktischen und nicht aus einem pedantischen Grund wichtig: Jede aus den alten Scores abgeleitete Kennzahl ist jetzt falsch. Das Verhältnis von „0,13 $ gegenüber 0,72 $ pro Aufgabe“, das zum Start kursierte, ist zu 0,26 $ gegen 2,35 $ geworden. Die Rangfolge hat sich nicht geändert – MiMo liegt weiterhin um eins vorn –, aber die Größenordnung all dessen drumherum hat sich geändert, und die Richtung der Kostenstory hat sich von einem Rundungsfehler zu einer Entscheidung gewandelt.

Ein Hinweis zur Lesart dieser Zahlen: Der Index ist ein gewichtetes Kompositum, und seine Teil-Benchmarks weichen bei diesem Paar stark voneinander ab. Nur das Kompositum auszuweisen würde genau den Teil des Vergleichs verbergen, der Step 5 Preview überhaupt einen Grund zu existieren gibt.

Wo das Neun-zu-Eins etwas kauft

Drei Teilergebnisse aus demselben Lauf sprechen tatsächlich für Step 5 Preview, und sie gruppieren sich um ein einziges Thema: weniger zu sagen, wenn es etwas nicht weiß.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24 % vs. MiMo V2.6 Pro 15 %. Fast neun Prozentpunkte Vorsprung beim härtesten Wissens-Benchmark des Sets.

• AA-Omniscience — Step 5 Preview 16 vs. MiMo V2.6 Pro −4. Die Bewertung belohnt sowohl kalibrierte Enthaltung als auch korrekte Erinnerung, und ein negativer Wert bedeutet, dass ein Modell häufiger selbstsicher und falsch antwortet, als dass es schweigt.

Ausgabegeschwindigkeit — Step 5 Preview 179,1 Tokens pro Sekunde vs. MiMo V2.6 Pro 58,0, gemessen am selben Dienst. Dreifacher Durchsatz bedeutet einen echten Latenzunterschied in einem Agent-Loop, der ein Dutzend aufeinanderfolgender Aufrufe ausführt.

Diese drei zusammen sind eine schlüssige Verteidigung des Preisaufschlags: Ein Modell, das weniger halluziniert und schneller antwortet, ist pro Token genau in den Workloads mehr wert, auf die beide Anbieter abzielen – lang laufende Agenten, Prompts im Repository-Maßstab, Forschungssynthese. Ob es das Neunfache wert ist, ist eine separate Frage, und die Antwort hängt davon ab, wie viel dich eine falsche, selbstsichere Antwort kostet.

Wo MiMo ohne Sternchen gewinnt

Der Code und die Automatisierungstests gehen in die andere Richtung – und das nicht zu knapp.

• FrontierCode 2.0 — MiMo V2.6 Pro 24 % gegenüber Step 5 Preview 12 %. Doppelte Punktzahl beim Coding-Benchmark, was die größte Einzelabweichung innerhalb des Paares ist.

• AutomationBench-AA — 59 % gegenüber 51 %.

Terminal-Bench 4.0 — 35 % vs. 33 %, ein knapper Vorsprung, der von Bedeutung ist, weil die agentische Positionierung von Step 5 Preview auf Terminal-Arbeit aufbaut.

• GDPpdf — 19 % vs. 15 %, und Terminal-Bench-Science 6 % vs. 2 %, beides bescheiden, aber konsistent.

Die Siege von Step 5 Preview bei HLE und Omniscience lesen sich als Wissensbreite und Kalibrierung; die Siege von MiMo bei FrontierCode und AutomationBench lesen sich als Handlungsfähigkeit. Für einen Coding-Agenten sind das keine gleichwertigen Währungen.

Die Cache-Ökonomie ist der Teil, der jemanden, der Ausgaben modelliert, am ehesten überraschen dürfte. Der Tarif für gecachten Input bei MiMo V2.6 Pro beträgt 0,0036 US-Dollar pro Million Token, verglichen mit 0,10 US-Dollar bei Step 5 Preview – ein 28-facher Unterschied bei der Token-Klasse, die eine lange Agentensitzung dominiert, in der derselbe Repository- oder Dokumentkontext bei jeder Runde erneut gelesen wird. MiMo bietet außerdem eine UltraSpeed-Stufe zu 4,35 US-Dollar für Input und 8,70 US-Dollar für Output für latenzkritische Aufrufe an, was eine Möglichkeit ist, Durchsatz zu kaufen, ohne das Modell zu wechseln.

Was ein Agent-Turn tatsächlich kostet

Nehmen wir einen repräsentativen Aufruf: ein Eingabekontext von 400.000 Tokens, 20.000 Tokens als Ausgabe. Zu Listenpreisen sind das 0,454 US-Dollar für Step 5 Preview und 0,191 US-Dollar für MiMo V2.6 Pro – ein 2,4-facher Unterschied, nicht ein neunfacher. Führen wir denselben Kontext nun zehnmal in einer Sitzung aus. Wenn der Cache seine Arbeit erledigt, liest Step 5 Preview diese 400.000 Tokens mit 0,10 US-Dollar pro Million erneut und MiMo V2.6 Pro mit 0,0036 US-Dollar, und der Abstand beim gecachten Anteil wächst auf etwa 28 zu eins.

Diese Rechnung ist der Grund, warum die Lücke pro Aufgabe und die Sticker-Lücke nicht übereinstimmen. Der Pro-Aufgabe-Wert ist ein gewichteter Durchschnitt über eine vollständige Evaluation mit starker Prompt-Wiederverwendung, er spiegelt daher die Cache-Rate ebenso stark wider wie die Headline-Rate. Wenn Ihre Arbeitslast aus One-Shot-Prompts mit frischem Kontext bei jedem Aufruf besteht, planen Sie eher mit dem 2,4-fachen Wert. Wenn es ein persistenter Agent ist, der dieselben Dateien immer wieder liest, ist der neunfache Wert die ehrlichere Planungszahl.

Was Sie heute anrufen können

MiMo V2.6 Pro findet sich in OrcaRouters Katalog unter der Modell-ID xiaomi/mimo-v2.6-pro und wird zu Xiaomis eigenem Listenpreis von 0,43 $ pro Million Input-Tokens und 0,87 $ pro Million Output-Tokens abgerechnet, ohne Aufschlag. Das ist hier aus einem bestimmten Grund wichtig: Die Preisgestaltung in diesem Vergleich ist der Punkt, der sich am wahrscheinlichsten ändern wird, und ein Pass-through-Router bedeutet, dass eine Preisänderung von Xiaomi noch am selben Tag auf Ihrer Rechnung landet statt erst bei der nächsten Vertragsverlängerung.

Step 5 Preview ist nicht in unserem Katalog. Der Aufrufpunkt bleibt StepFuns eigene API oder ein Drittanbieter-Host, der die Checkpoints bereitstellt. Für ein Team, das die beiden gegeneinander abwägt, ist diese Asymmetrie selbst ein Argument: Eine Seite dieses Vergleichs lässt sich in einer einzigen Routing-Konfiguration gegen einen Fallback testen, die andere nicht. Die Routing-DSL ermöglicht es, den Coding-Traffic an MiMo V2.6 Pro zu senden und ein zweites Modell hinter automatischem Failover bereitzuhalten, sodass ein Latenzanstieg bei einem Anbieter den Agenten nicht außer Gefecht setzt. Wenn sich MiMos Vorsprung von einem Punkt bei Ihrer eigenen Workload als nicht tragfähig erweist, kostet ein Wechsel eine Modell-ID, keinen Vertrag.

Fragen, die dieser Vergleich immer wieder aufwirft

Warum zeigen die meisten Vergleichsseiten immer noch 46 gegenüber 44?

Weil sie auf Grundlage der vorherigen Version des Index erstellt und nicht neu berechnet wurden. Die zugrunde liegende Bewertung hat sich geändert, nicht nur die Modelle, daher hat sich jede daraus abgeleitete Kennzahl – einschließlich der Kosten pro Aufgabe – mit ihr verschoben. Wenn zwei Seiten dieses Paar zitieren und um mehr als ein oder zwei Punkte voneinander abweichen, prüfe, welche Indexversion welche der beiden hervorgebracht hat.

Bleibt der Kalibrierungsvorteil von Step 5 Preview unter einer Domänenverschiebung erhalten?

Teilweise. Die Omniscience- und HLE-Ergebnisse werden an allgemeinem Wissen gemessen; das Kalibrierungsverhalten, das sie belohnen, ist am wertvollsten, wenn das Modell zu Dingen außerhalb seiner Trainingsverteilung befragt wird. In einer engen Domäne, in der beide Modelle intensiv trainiert wurden – etwa bei Code –, legt MiMos Vorsprung bei FrontierCode nahe, dass der Enthaltungsvorteil nicht die Arbeit leistet, für die Sie zahlen.

Ist eines der beiden Modelle ein Drop-in-Ersatz für das andere?

Nicht ohne Prüfung. Sie haben in der Praxis eine OpenAI-kompatible Oberfläche gemeinsam, aber die Reasoning-Steuerungen unterscheiden sich, die Ausgabeobergrenzen unterscheiden sich, und der aktive 27B-Footprint von Step 5 Preview verändert, wie viel von einem langen Prompt resident gehalten werden kann. Portiere den Prompt, führe dein eigenes Evaluationsset erneut aus und vergleiche mit deiner Workload statt mit der Folie eines der beiden Anbieter.

Die Kurzfassung der Entscheidung: Wenn Ihre Workload wissensintensiv, latenzempfindlich und teuer ist, wenn Fehler passieren, ist der neunfache Aufpreis von Step 5 Preview vertretbar, und die 179 Tokens pro Sekunde machen es angenehm in der Nutzung. Wenn Ihr Workload Code, Automatisierung und lange Sitzungen über denselben Kontext umfasst, ist MiMo V2.6 Pro das bessere Modell zu einem Preis, der nicht annähernd vergleichbar ist — und es ist dasjenige der beiden, das Sie heute hinter einen Router stellen und morgen wieder wechseln können.