MiMo-V2.6-Pro place les poids ouverts sur la ligne de Pareto à 0,13 $ par tâche

Xiaomi MiMo-V2.6-Pro a été mis en ligne sur Hugging Face le 21 septembre 2026, et le chiffre qui a le plus circulé depuis est 46 — son score sur l'Artificial Analysis Intelligence Index v4.3.2, le plus élevé jamais enregistré par un modèle à poids ouverts sur cet indice composite. Le chiffre qui détermine si vous pouvez réellement l'exécuter est plus petit. Artificial Analysis a mesuré 0,1332 $ de calcul par tâche de l'Intelligence Index lors de l'évaluation de MiMo-V2.6-Pro sur son propre banc d'essai, et ce chiffre place le modèle sur la ligne de Pareto du graphique Intelligence versus coût par tâche du site. Au-dessus du seuil d'arrondi, il est le seul modèle à poids ouverts sur cette ligne.

C'est une affirmation plus étroite et plus utile que « meilleur modèle open-weights », qui est la façon dont la plupart de la couverture du lancement l'a présenté. Être premier sur l'axe de l'intelligence vous indique le plafond. Être sur la courbe des coûts vous indique si autre chose sur le marché est strictement meilleur à ce prix. Pour Xiaomi MiMo-V2.6-Pro, au moment où j'écris ces lignes, rien ne l'est.

Ce que la ligne de Pareto mesure réellement

Le graphique positionne chaque modèle évalué par Artificial Analysis sur deux axes : l’Indice d’intelligence sur l’un, le coût moyen pondéré en dollars pour produire une tâche de l’indice sur l’autre. Un modèle situé sur la ligne de Pareto ne peut être surpassé sur les deux axes par aucun autre modèle pris isolément — impossible de trouver plus intelligent pour moins cher. Les points situés sous et à gauche de la ligne sont dominés et en sont exclus.

Nous avons recalculé la frontière à partir des données intégrées au graphique plutôt que de lire la ligne à l'œil. En partant des 326 modèles qui comportent à la fois un score d'indice et un coût mesuré par tâche, la frontière actuelle compte quatorze points :

• Qwen3.5 2B (sans raisonnement) — indice 6,2, coût par tâche arrondi à 0,000 $, poids ouverts
• Devstral 2 — indice 8,6, coût par tâche arrondi à 0,000 $, poids ouverts
• North Mini Code — indice 9,9, coût par tâche arrondi à 0,000 $, poids ouverts
• Claude Sonnet 4.6 (sans raisonnement, effort élevé) — indice 24,7, coût par tâche arrondi à 0,000 $, fermé
• Grok Build 0.1 0616 — indice 27,2, coût par tâche 0,006 $, fermé
• GPT-5.6 Luna (élevé) — indice 32,1, coût par tâche 0,044 $, fermé
• GPT-5.6 Luna (xhigh) — indice 34,6, coût par tâche 0,085 $, fermé
• Xiaomi MiMo-V2.6-Pro — indice 46,3, coût par tâche 0,133 $, poids ouverts sous licence MIT
• GPT-6 Astra (moyen) — indice 49,6, coût par tâche 1,541 $, fermé
• GPT-6 Astra (élevé) — indice 50,9, coût par tâche 1,725 $, fermé
• GPT-6 Astra (xhigh) — indice 52,4, coût par tâche 2,309 $, fermé
• GPT-6 Astra (max) — indice 52,7, coût par tâche 3,258 $, fermé
• Claude Fable 5.1 (xhigh, repli par défaut) — indice 53,2, coût par tâche 5,978 $, fermé
• Claude Fable 5.1 (max, repli par défaut) — indice 53,4, coût par tâche 7,630 $, fermé

Trois choses ressortent de cette liste. Les quatre points les moins chers correspondent à des modèles dont le coût mesuré s'arrondit à zéro à la quatrième décimale, si bien que la partie intéressante de la courbe commence à Grok Build 0.1 0616. Xiaomi MiMo-V2.6-Pro y constitue un véritable coude, et non un artefact d'arrondi : le point suivant coûte 11,6 fois plus cher par tâche pour 3,3 points d'indice supplémentaires. Et sur les dix points de la frontière dont le coût est non nul, exactement un est à poids ouverts — c'est le fait que la formulation « meilleur modèle à poids ouverts » occulte. Le modèle à poids ouverts le plus proche sur l'axe de l'intelligence, GLM-5.3 (max) à 44,8, est très loin de la ligne : il coûte 2,006 $ par tâche d'indice, quinze fois le chiffre de MiMo-V2.6-Pro. Kimi K3 (max) se situe à 43,6 et à 2,000 $ par tâche.

La liste de prix n’a pas bougé. La facture, si.

Xiaomi n'a pas augmenté ses prix pour cette génération. Le MiMo-V2.6-Pro s'affiche à 0,435 $ par million de tokens d'entrée et à 0,87 $ par million de tokens de sortie, avec un prix d'entrée en cas de succès du cache de 0,0036 $ — soit une remise de 99,17 % — ce qui correspond à la même grille tarifaire que celle du précédent modèle phare. Pondéré selon une répartition 7:2:1 succès du cache/entrée/sortie, cela revient à 0,1765 $ par million de tokens.

Pourtant, le coût d'exécution de l'Intelligence Index sur MiMo-V2.6-Pro s'est élevé à 206,66 $, soit 0,1332 $ par tâche, alors que le même indice sur MiMo-V2.5-Pro coûtait 0,054 $ par tâche. Artificial Analysis a enregistré 140 millions de jetons de sortie pour le modèle le plus récent, contre 110 millions pour l'ancien, sur la même suite. La grille tarifaire est inchangée ; le modèle écrit simplement davantage pour répondre à la même question. C'est la nuance honnête à apporter à la position de Pareto — Xiaomi MiMo-V2.6-Pro mérite sa place sur l'axe des coûts bien qu'il soit devenu plus verbeux, et non parce qu'il est devenu moins cher.

Pour quiconque établit un budget, la lecture pratique est que la tarification par token est désormais un faible prédicteur du coût d’une charge de travail. Deux modèles affichant des grilles tarifaires identiques peuvent différer d’un facteur 2,5 pour le coût par tâche accomplie. La remise sur le cache est le levier qui va le plus loin : à 0,0036 $ par million de tokens d’entrée mis en cache, l’écart entre un prompt qui réutilise le contexte et un qui ne le fait pas est plus grand que l’écart entre la plupart des paires de modèles de cette liste.

Ce que le score couvre et ne couvre pas

Le 46 est une mesure tierce, et cela compte parce que presque tout le reste de ce qui a été publié sur MiMo-V2.6-Pro ne l'est pas. La version de l'index compte aussi : v4.3.2 est un composite de dix évaluations couvrant le raisonnement, les connaissances, les mathématiques et le codage, et un score n'est comparable qu'à d'autres scores sur la même version. Les chiffres du fournisseur publiés par Xiaomi en même temps que la sortie — DeepSWE v1.1 à 71,9, AutomationBench v1.0.6 à 53,1, Toolathlon-Verified à 76,9, Terminal Bench 2.1 à 89,9, CyberGym à 94,0 — proviennent du propre harnais et évaluateur de Xiaomi et n'ont été reproduits par personne. Ils sont utiles comme indication directionnelle de ce pour quoi le modèle a été ajusté ; ce ne sont pas des entrées de classement.

L’autre moitié de la publication est le paquet de poids ouverts. Artificial Analysis répertorie le modèle à 1,0 T de paramètres totaux avec 42 B actifs, une fenêtre de contexte de 1 M de jetons, des entrées texte, image, parole et vidéo avec sortie texte, et une licence MIT avec les poids sur Hugging Face. Le dépôt lui-même indique une taille de modèle Safetensors de 524 B de paramètres — un troisième chiffre qui ne correspond ni au total de 1,0 T ni au décompte de 42 B actifs, et que Xiaomi n’a pas concilié. Si vous envisagez un déploiement auto-hébergé, cet écart vaut la peine d’être résolu avant de provisionner quoi que ce soit, car un checkpoint FP8 de 524 B et un de 1 T, ce n’est pas la même conversation matérielle.

Un point frontière que vous ne pouvez pas router actuellement

La disponibilité est l’aspect de cette version qui la limite le plus. Lors de son évaluation de Xiaomi MiMo-V2.6-Pro, Artificial Analysis n’a compté qu’un seul fournisseur d’API pour le modèle. Le dépôt Hugging Face indique que Xiaomi MiMo-V2.6-Pro n’est déployé par aucun fournisseur d’inférence. Nous ne l’hébergeons pas non plus, et nous n’allons pas laisser entendre le contraire — la voie d’accès à ce modèle aujourd’hui passe par la plateforme propre de Xiaomi et les catalogues tiers qui le référencent.

C'est un problème de basculement plutôt qu'un problème de qualité, et c'est précisément le problème qu'un routeur est fait pour résoudre. Une seule API pour des centaines de modèles, avec basculement automatique entre fournisseurs, voilà ce qui transforme « un fournisseur le référence actuellement » d'un risque architectural en un simple détail de configuration. C'est aussi ainsi que vous organiseriez une migration progressive vers un modèle aussi récent : envoyez une part du trafic vers Xiaomi MiMo-V2.6-Pro, gardez un modèle éprouvé derrière, et laissez le routeur déplacer la requête plutôt que votre astreinte. Cela fonctionne pour les modèles que nous proposons. Pour celui-ci, tant qu'il n'est pas routable, le conseil honnête est de ne pas le mettre sur un chemin critique.

Qu’est-ce qui le ferait sortir de la ligne ?

Une position de Pareto est un instantané, pas une propriété du modèle. Trois choses la modifieraient. Une baisse de prix de Xiaomi déplacerait Xiaomi MiMo-V2.6-Pro plus à gauche et le rendrait plus difficile à battre — et comme nous répercutons le prix catalogue du fournisseur à 0 % de marge, une telle baisse est effective de notre côté le jour même où elle est annoncée, où que ce soit. Un modèle moins cher obtenant plus de 46,3 le délogerait complètement ; GPT-6 Astra (low) se situe déjà à 45,8 pour 0,818 $ par tâche, plus cher mais inconfortablement proche sur l'axe de l'intelligence. Et une évaluation indépendante de MiMo-V2.6-Flash — qui n'a actuellement aucune page Artificial Analysis du tout — pourrait révéler que le frère moins cher occupe une meilleure place sur la courbe pour la plupart des charges de travail.

Pour l'instant, l'affirmation défendable est celle de l'arithmétique. Sur la version actuelle de l'indice, aux prix publiés actuels, il n'existe sur le marché aucun modèle qui soit à la fois moins cher par tâche et plus intelligent que Xiaomi MiMo-V2.6-Pro. Reste à savoir si cela résistera à sa première réplication indépendante : c'est la question qui mérite d'être suivie.