MiMo-V2.6-Pro vs. GPT-5.6 Sol: un punto de índice, veintidós veces la tarifa combinada

En el Artificial Analysis Intelligence Index v4.3.2, según la lectura del 22 de septiembre de 2026, el GPT-5.6 Sol del proveedor con esfuerzo máximo obtiene 47 puntos y el MiMo-V2.6-Pro de Xiaomi obtiene 46. Un punto. Las tarifas combinadas que publica Artificial Analysis para los dos —una mezcla 7:2:1 de aciertos de caché, entrada y salida— son de $3.08 para GPT-5.6 Sol y $0.18 para MiMo-V2.6-Pro. Veintidós veces el dinero por un punto del índice es toda la forma de este enfrentamiento, y la pregunta interesante no es si el punto vale la pena. Es en qué solicitudes específicas reside el punto, porque el agregado no te lo dice.

Lo que hace que la pareja merezca siquiera compararse es que no están obviamente en la misma categoría. GPT-5.6 Sol es un modelo de frontera propietario con un modo multiagente y una lista de precios acorde. Xiaomi MiMo-V2.6-Pro es un checkpoint de pesos abiertos con licencia MIT que se lanzó el 22 de septiembre de 2026, con los repositorios de aprendizaje por refuerzo llegando el día anterior, y tiene un precio como si fuera un modelo de gama media. Que un modelo abierto de un billón de parámetros quede a un punto del modelo insignia de OpenAI es la noticia. Qué haces con ese hecho es una decisión aparte.

Los dos modelos, expresados claramente.

GPT-5.6 Sol se lanzó el 9 de julio de 2026 como el modelo insignia de la familia GPT-5.6, junto con Terra y Luna, y OpenAI dirige el simple gpt-5.6 como alias hacia él. Es propietario, acepta entradas de texto e imagen y devuelve texto, admite esfuerzo de razonamiento desde none hasta xhigh, además de un modo multiagente "ultra" exclusivo de Sol, y tiene un corte de conocimiento de febrero de 2026. Su precio de lista es $4,00 por millón de tokens de entrada y $20,00 por millón de tokens de salida en la API propia de OpenAI, con entrada en caché a $0,50 y una ventana de contexto de 1M de tokens. Artificial Analysis midió 77,3 tokens de salida por segundo y 127,21 segundos hasta el primer token, con un costo de $3.464,84 por ejecutar el índice completo.

Xiaomi MiMo-V2.6-Pro es un modelo de mezcla de expertos dispersa con 1,02 billones de parámetros totales y 42 mil millones activados por token, con una ventana de contexto de 1M de tokens y multimodalidad nativa en texto, imagen, vídeo y audio. Xiaomi mantuvo el precio de la generación anterior en lugar de subir el precio del nuevo checkpoint, y por eso un modelo de este tamaño se ofrece a $0,43 y $0,87 por millón de tokens con un 99 % de descuento de caché. Artificial Analysis midió 134,3 tokens de salida por segundo, 2,15 segundos hasta el primer token y $206,66 para ejecutar el índice: $0,13 por tarea.

• Pesos — MiMo-V2.6-Pro con licencia MIT y descargable; GPT-5.6 Sol propietario, solo API

• Parámetros — MiMo-V2.6-Pro 1,02T en total / 42B activos; GPT-5.6 Sol no divulgado

• Contexto — 1M tokens en ambos; GPT-5.6 Sol limita la salida a 128K

• Modalidad — MiMo-V2.6-Pro admite texto, imagen, video y audio; la superficie de entrada publicada de GPT-5.6 Sol es texto e imagen

• Precio de lista — MiMo-V2.6-Pro $0.43 / $0.87 por 1M; GPT-5.6 Sol $4.00 / $20.00, entrada en caché $0.50

• Tarifa combinada — MiMo-V2.6-Pro $0.18 por 1M; GPT-5.6 Sol $3.08

• Costo medido por tarea de índice — MiMo-V2.6-Pro $0.13; GPT-5.6 Sol $3,464.84 para el índice completo

• Velocidad — MiMo-V2.6-Pro 134,3 tokens de salida/segundo; GPT-5.6 Sol 77,3

• Tiempo hasta el primer token — MiMo-V2.6-Pro 2,15 segundos; GPT-5.6 Sol 127,21 segundos

• Control de razonamiento — GPT-5.6 Sol expone ninguno/bajo/medio/alto/muy alto/máximo más un modo ultra multiagente; MiMo-V2.6-Pro no publica ninguna escala equivalente

Dónde se encuentra realmente el único punto

Una diferencia de un punto en un compuesto de diez evaluaciones es un error de redondeo a nivel agregado y un abismo a nivel de componente. La suite abarca AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience y AA-LCR v1.1 —razonamiento, conocimiento, matemáticas y programación—, y ninguno de los dos proveedores publica un desglose por evaluación para estos dos modelos. Esa ausencia es una limitación real en ambos lados de esta página y merece mencionarse en lugar de taparla con un compuesto.

Lo que consta en el registro es direccional, y señala el trabajo agéntico como el lugar donde se concentra la brecha. El material de lanzamiento de GPT-5.6 Sol reporta 53,6 % en Agents' Last Exam, una evaluación de flujos de trabajo profesionales de larga duración que abarca 55 campos, que OpenAI describió como un nuevo máximo; 64,6 % en SWE-Bench Pro; 88,8 % en Terminal-Bench 2.1; y 62,6 % en OSWorld 2.0 para uso de computadora. Su puntuación en BrowseComp de 90,4 % sube a 92,2 % en el modo ultra, que ejecuta cuatro subagentes en paralelo a aproximadamente cuatro veces el coste en tokens. Son cifras del proveedor obtenidas con arneses del propio proveedor, y la advertencia habitual se aplica a cada una — pero son las categorías donde es menos probable que una brecha compuesta de un punto se distribuya de manera uniforme, y Xiaomi no publica ningún desglose agéntico comparable para MiMo-V2.6-Pro.

El contrapeso es que las cifras propias del proveedor de MiMo-V2.6-Pro pertenecen por completo a una familia de tareas distinta. Xiaomi informa que el modelo pasa de 58,4 a 72,57 en DeepSWE v1.1 a lo largo de su ejecución de aprendizaje por refuerzo, evaluado con mini-swe-agent con un promedio de tres en el calificador propio de Xiaomi y nunca enviado a una tabla pública. Colocar 72,57 junto a cualquier cifra de Sol sería inventar una comparación que no existe. El único número contra el que el mismo evaluador ejecutó realmente ambos modelos es el 46 y el 47.

La comparación de costos, bien hecha

La aritmética por token subestima la diferencia, porque los dos modelos no consumen la misma cantidad de tokens para completar el mismo trabajo. La cifra única justa es la que Artificial Analysis midió para ejecutar su índice completo con cada uno: $206.66 para MiMo-V2.6-Pro y $3,464.84 para GPT-5.6 Sol. La misma suite, el mismo harness, medidos de forma idéntica — una diferencia de 16.8x en un conjunto controlado de tareas, y que ya absorbe el hecho de que Sol es un modelo de razonamiento que emite tokens para pensar.

Ahora, un bucle de producción. Una ejecución de agente de 30 pasos que lee 200.000 tokens de contexto por paso y escribe 2.000 tokens por paso supone 6 millones de tokens de entrada y 60.000 de salida por ejecución. En GPT-5.6 Sol a precio de tarifa, eso es 24,00 $ de entrada y 1,20 $ de salida: 25,20 $ por ejecución antes del almacenamiento en caché. En MiMo-V2.6-Pro son 2,58 $ y 0,05 $: 2,63 $. El almacenamiento en caché mueve ambos: la entrada en caché de Sol a 0,50 $ frente al descuento del 99 % de MiMo-V2.6-Pro sigue dejando al modelo caro un orden de magnitud por delante en un bucle con mucho contexto, que es precisamente el bucle que ejecuta un agente.

La mitad de la comparación correspondiente a la latencia es más marcada que la del precio y recibe menos atención. GPT-5.6 Sol midió 127.21 segundos hasta el primer token. MiMo-V2.6-Pro midió 2.15. Esa es una diferencia de cincuenta y nueve veces, y es el número que decide si un producto interactivo es posible siquiera. Sol a máximo esfuerzo es, en la práctica, un modelo por lotes: envías, esperas, vuelves. Si tu aplicación se bloquea en el primer token, la elección ya está tomada por ti, diga lo que diga el índice.

Una llave, ambos carriles

Ambos modelos están disponibles a través de una única clave de OrcaRouter al precio de lista del proveedor con un 0 % de margen — GPT-5.6 Sol como openai/gpt-5.6-sol, que es nuestra propia ruta hacia él. Dado que trasladamos el precio de lista del proveedor sin aplicar margen alguno, cualquier cambio de precio en cualquiera de las partes se refleja en nuestro lado el mismo día, en lugar de tener que esperar a una nueva cotización.

El DSL de enrutamiento es donde esta combinación se vuelve interesante, y no solo conveniente. Dos modelos separados por un punto de índice, uno de los cuales cuesta dieciséis veces más por tarea, no son alternativas entre las que elegir: son una configuración de dos carriles. Envía la mayor parte de una carga de trabajo al carril barato y enruta la cola al caro según un predicado que definas: solicitudes que fallan una autocomprobación, solicitudes que coinciden con una regla de complejidad, solicitudes cuyo coste de fallo supera el coste de tokens lo suficiente como para que la medida sea un seguro barato. La conmutación por error es la otra mitad. Sol se ofrece de forma amplia; MiMo-V2.6-Pro se lanzó esta semana y aparecía listado por un único proveedor de API cuando Artificial Analysis lo capturó, lo cual es una ruta poco robusta para un modelo que pondrías en una ruta de producción. Un enrutador que puede recurrir a un respaldo es lo que hace que el carril barato sea seguro de adoptar, y también es lo que hace que el carril caro sea opcional en lugar de obligatorio.

¿Cuál elegir?

Elige GPT-5.6 Sol cuando el costo de fallo de la tarea es enorme en comparación con el costo de los tokens — trabajo agéntico de horizonte largo con efectos secundarios reales, automatización de uso de computadora, uso de herramientas donde una llamada incorrecta es peor que una lenta, cualquier cosa en la que ya estés pagando a una persona para revisar la salida. La ejecución del índice de $3,464.84 no es una razón para evitarlo; es el precio del nivel, y el nivel existe por una razón.

Elige MiMo-V2.6-Pro cuando el volumen sea la restricción, cuando la carga de trabajo tenga mucho contexto y sea repetitiva, cuando necesites una latencia del primer token lo bastante baja como para que un humano espere, cuando quieras los pesos en tu propia infraestructura —MIT permite el despliegue comercial, la modificación y el entrenamiento adicional— o cuando la economía unitaria solo funcione a un quinto de céntimo por mil tokens. Sus 134,3 tokens por segundo lo hacen utilizable de forma interactiva, a diferencia de la mayoría de los modelos abiertos de un billón de parámetros, y eso es una capacidad, no un descuento.

Elige ambos si tienes un enrutador, porque la respuesta honesta a «cuál es mejor» es que una diferencia de un punto en el compuesto no es un veredicto: es una medida de cuán similares son en promedio y cuán diferentes son probablemente en la cola. El modo de fallo que hay que evitar es estandarizar sobre el modelo barato porque la proporción es de 22x, descubrir en el tercer mes que una clase de solicitud necesita el caro y no tener ninguna vía para enrutarla hacia allí. El fallo espejo es pagar tarifas de Sol por un trabajo de resumen que un modelo de índice 46 termina de forma idéntica. Ninguno de los dos es un problema de modelo. Ambos son configuración, y la configuración es la parte que puedes cambiar un martes por la tarde.

OrcaRouter pone más de 200 modelos detrás de un único endpoint compatible con OpenAI al precio de lista del proveedor con 0 % de margen, por lo que un cambio de precio del proveedor se aplica el mismo día.