MiMo-V2.6-Pro vs Gemini 3.1 Pro : un écart de 16 points qui n’existe que sur une seule version de l’index

Placez Xiaomi MiMo-V2.6-Pro et Gemini 3.1 Pro Preview côte à côte sur l’Artificial Analysis Intelligence Index et vous obtenez 46 contre 30 — soit une avance de seize points pour un modèle qui coûte cinq fois moins cher en entrée. Placez-les côte à côte sur les chiffres que les deux fournisseurs ont publiés lors de leurs propres lancements et Gemini 3.1 Pro l’emporte de onze points. Ces deux lectures proviennent du même évaluateur. La raison de leur divergence est la chose la plus utile à comprendre lorsqu’on compare des modèles en septembre 2026 : l’indice a été reconstruit sous les pieds des deux, et un score n’a de sens qu’accompagné du numéro de version qui l’a produit.

Le composite v4.3.2 est celui en vigueur. Il regroupe dix évaluations — AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience et AA-LCR v1.1 — et sur celui-ci, d'après les relevés du 22 septembre 2026, le modèle de Xiaomi obtient 46 et celui de Google obtient 30. À son lancement, le 19 février 2026, Gemini 3.1 Pro Preview était annoncé à 57 sur l'échelle alors en vigueur, ce qui le plaçait en tête du classement. Ces deux chiffres de Gemini ne traduisent pas un déclin. Ce sont deux règles de mesure différentes.

Ce qu'est réellement chaque modèle

Gemini 3.1 Pro Preview est le modèle de raisonnement de pointe de Google, sorti le 19 février 2026 et portant encore l’étiquette d’aperçu sept mois plus tard. Il dispose d’une fenêtre de contexte de 1 M de tokens, plafonne la sortie à 65 536 tokens — cette limite étant indiquée comme 64 K par Artificial Analysis et 65 K sur notre propre page de modèle — et prend en entrée du texte, des images, des PDF, de l’audio et de la vidéo, avec du texte en sortie. Il s’agit d’un modèle propriétaire, avec un nombre de paramètres non divulgué et une date de coupure des connaissances de janvier 2025. L’API de Google facture 2,00 $ par million de tokens d’entrée et 12,00 $ par million de tokens de sortie en dessous de 200 K d’entrée, passant à 4,00 $ et 18,00 $ au-dessus, avec l’entrée mise en cache à 0,20 $.

Vous êtes un moteur professionnel de localisation logicielle. Traduisez le message de l'utilisateur en français. Le texte contient des marqueurs de portée numérotés comme {{1}}...{{/1}}, {{2}}...{{/2}}. Conservez CHAQUE marqueur octet pour octet : mêmes numéros, mêmes paires d'ouverture/fermeture, même nombre, même imbrication — ne jamais ajouter, supprimer, renuméroter ou réorganiser les marqueurs eux-mêmes, traduisez uniquement le texte ENTRE eux. Vous POUVEZ déplacer une paire {{n}}...{{/n}} là où l'ordre des mots de la langue cible l'exige.

• Poids — Xiaomi MiMo-V2.6-Pro sous licence MIT et téléchargeable ; Gemini 3.1 Pro Preview propriétaire, API uniquement

• Paramètres — MiMo-V2.6-Pro 1,02 T au total / 42 B actifs ; Gemini 3.1 Pro Preview non divulgué

• Contexte — 1 M de tokens pour les deux ; Gemini 3.1 Pro Preview plafonne la sortie à 65 536 tokens, MiMo-V2.6-Pro ne publie aucun plafond équivalent

Modalité — MiMo-V2.6-Pro prend en charge le texte, l'image, la vidéo et l'audio ; Gemini 3.1 Pro Preview prend en charge le texte, l'image, le PDF, l'audio et la vidéo

• Prix catalogue — MiMo-V2.6-Pro 0,43 $ / 0,87 $ par million de tokens ; Gemini 3.1 Pro Preview 2,00 $ / 12,00 $ en deçà de 200 K en entrée, 4,00 $ / 18,00 $ au-delà

• Cache — MiMo-V2.6-Pro 99 % de réduction ; Gemini 3.1 Pro Preview 0,20 $ par million de lectures en cache

• Vitesse — MiMo-V2.6-Pro 134,3 tokens de sortie/seconde ; Gemini 3.1 Pro Preview 121,8

• Temps jusqu’au premier token — MiMo-V2.6-Pro 2,15 secondes ; Gemini 3.1 Pro Preview 63,62 secondes

• Coût mesuré pour exécuter l’index — MiMo-V2.6-Pro 206,66 $, soit 0,13 $ par tâche ; Gemini 3.1 Pro Preview 1 310,21 $, soit 0,67 $ par tâche

Le libellé d'aperçu est la vraie différence

Tout ce qui précède est une spécification. La seule ligne qui change la façon dont vous devriez lire toute la comparaison est le mot « preview ». Un modèle preview est un candidat que Google ne s’est pas engagé à maintenir à ce point de terminaison. Cela compte pour une page de comparaison d’une manière que ne le fait pas un écart de seize points d’indice, car un modèle dont vous ne pouvez pas compter qu’il soit encore là dans six mois n’est pas un modèle sur lequel vous standardisez — et la propre famille de Google l’a déjà dépassé. Gemini 3.6 Flash et Gemini 3.8 Flash se situent au-dessus de Gemini 3.1 Pro pour le codage et les travaux agentiques, à un coût inférieur, ce qui explique pourquoi une analyse technique de la sortie de la version 3.1 Pro l’a décrite comme résolument de génération précédente. La page AA elle-même le classe au rang 71 sur 202 en intelligence.

Le modèle de Xiaomi est dans la position opposée. Il est sorti cette semaine, les poids sont publiés sous licence MIT, et les caractéristiques de service sont son point le plus fort. 134,3 jetons de sortie par seconde le placent onzième sur 114 modèles mesurés pour la vitesse, et 2,15 secondes jusqu’au premier jeton, c’est environ trente fois plus rapide que les 63,62 secondes de Gemini 3.1 Pro Preview. Pour une application interactive, ce n’est pas un simple facteur de départage. C’est la différence entre un produit et une démo, et c’est le chiffre le plus susceptible de passer inaperçu dans un tableau de benchmark.

Où va réellement l'argent

L'arithmétique par token sous-estime l'écart entre ces deux modèles, car ils ne consomment pas le même nombre de tokens pour accomplir le même travail. Le chiffre le plus parlant est celui qu'Artificial Analysis a mesuré pour exécuter son Intelligence Index complet sur chacun : 206,66 $ pour MiMo-V2.6-Pro et 1 310,21 $ pour Gemini 3.1 Pro Preview. Même suite, même harnais, mesuré de la même manière — un écart de 6,3x sur un ensemble de tâches identique, et un écart qui tient déjà compte du fait que les modèles de raisonnement émettent beaucoup de tokens en réfléchissant. Gemini 3.1 Pro Preview a généré 67 millions de tokens de sortie sur l'ensemble de l'index ; la médiane des modèles de sa gamme de prix est de 90 millions, il est donc en réalité plus économique par point que ses pairs, et il coûte toujours six fois plus cher à évaluer que le modèle de Xiaomi.

Ensuite, lancez une boucle de production dessus. Une exécution d'agent de 30 étapes lisant 200 000 tokens de contexte par étape et écrivant 2 000 tokens par étape représente 6 millions de tokens d'entrée et 60 000 tokens de sortie par exécution. Sur Gemini 3.1 Pro Preview, en dessous du palier de 200 K, cela représente 12,00 $ d'entrée et 0,72 $ de sortie — 12,72 $ par exécution. Sur MiMo-V2.6-Pro, c'est 2,58 $ et 0,05 $ — 2,63 $. Franchissez 200 000 tokens d'entrée sur le modèle Google et le tarif d'entrée double pour atteindre 4,00 $, auquel cas la même boucle coûte 24,00 $ avant la sortie. La mise en cache fait bouger les deux chiffres, mais une remise de 99 % sur un modèle bon marché par rapport à une lecture de cache à 0,20 $ sur un modèle coûteux laisse le modèle coûteux avec un ordre de grandeur d'avance sur une boucle gourmande en contexte.

La question du routage, formulée honnêtement

Voici la partie sur laquelle il est facile de se tromper. Gemini 3.1 Pro Preview est sur OrcaRouter en tant que google/gemini-3.1-pro-preview, accessible via une seule clé compatible OpenAI au prix catalogue du fournisseur, avec 0 % de marge — ainsi, un changement de prix de Google est répercuté chez nous le jour même plutôt qu'au cycle de facturation suivant. Xiaomi MiMo-V2.6-Pro n'est pas sur OrcaRouter. Aucun modèle Xiaomi ne l'est, et le dire clairement est plus utile que de laisser une page de modèle sous-entendre le contraire. Y accéder aujourd'hui passe par la plateforme de Xiaomi elle-même ou par l'un des catalogues tiers qui le référencent.

Cette asymétrie est précisément la raison pour laquelle un routeur mérite sa place dans cette comparaison plutôt que d'y être une simple note de bas de page. Les deux modèles ne se disputent pas les mêmes requêtes. Gemini 3.1 Pro Preview est le titulaire que vous payez peut-être déjà, et la question à laquelle cette page répond est de savoir si le nouveau modèle bon marché peut s'emparer d'une part de son trafic. Mener ce test correctement suppose d'envoyer vos propres prompts aux deux et de comparer les réponses, plutôt que de lire un index — et le faire en ouvrant un second contrat, une seconde clé et une seconde relation de facturation, c'est précisément la friction qui empêche ce test d'avoir jamais lieu. Une seule clé, les deux voies là où nous les routons, et la comparaison devient un simple changement de configuration. Le basculement automatique couvre l'autre moitié : un modèle en aperçu peut être retiré ou soumis à des limites de débit avec peu de préavis, et une seconde voie derrière le même point de terminaison est ce qui transforme cela d'une panne en une décision de routage.

Lequel choisir

Choisissez Gemini 3.1 Pro Preview lorsque la tâche nécessite nativement une entrée PDF et audio, lorsque vous êtes déjà dans l’écosystème Google, ou lorsque vous avez spécifiquement besoin du comportement de ce modèle et pouvez vivre avec le risque de dépréciation d’un point de terminaison de préversion. Son délai de 63 secondes avant le premier token signifie qu’en pratique, c’est un modèle de traitement par lots et de charges de travail hors ligne, quoi qu’en dise le marketing sur l’interactivité.

Choisissez MiMo-V2.6-Pro lorsque le volume est la contrainte, lorsque la boucle est riche en contexte et répétitive, lorsque vous voulez les poids sur votre propre matériel — MIT autorise le déploiement commercial, la modification et l’entraînement ultérieur — ou lorsque la latence du premier token fait partie du produit. C’est le rare cas d’un modèle bon marché qui est aussi le plus rapide, et cette combinaison vaut plus que ne le suggèrent les seize points d’indice.

Ce qui changerait ce tableau, c’est un successeur de Gemini 3.1 Pro qui ne soit pas une preview, ou une reproduction indépendante des chiffres DeepSWE que Xiaomi a publiés à partir de son propre harnais — 72,57 pour Pro, 65,68 pour Flash, passant respectivement de 58,4 et 48,8 au cours de l’exécution d’apprentissage par renforcement. Ces chiffres sont déclarés par le fournisseur, évalués sur l’évaluateur de Xiaomi avec mini-swe-agent en moyenne sur trois exécutions, et n’ont pas été soumis à un classement public. Jusqu’à ce que quelqu’un les réexécute, le 46 d’Artificial Analysis est le chiffre à citer, et il est mesuré avec la même règle que le 30.

OrcaRouter met plus de 200 modèles derrière un seul point d’accès compatible OpenAI au prix catalogue du fournisseur, avec 0 % de marge : ainsi, toute modification tarifaire d’un fournisseur est effective le jour même.