MiMo-V2.6-Pro vs GLM-5.2 : deux MoE à poids ouverts, et le benchmark qu'il ne faut pas soustraire

La version la plus paresseuse de cette comparaison place le 72,57 de Xiaomi MiMo-V2.6-Pro à côté du 46,2 de GLM-5.2, parle d'une victoire de 26 points, et publie. Elle est erronée pour une raison qui n'a rien à voir avec le modèle qui est le meilleur : ces deux nombres ne relèvent pas de la même mesure. Le 72,57 de Xiaomi est une moyenne sur trois exécutions sur son propre harnais d'évaluation avec mini-swe-agent et n'a jamais été soumis à un classement public ; le 46,2 est une valeur de Pass@1 issue d'un harnais entièrement différent. La comparaison honnête entre Xiaomi MiMo-V2.6-Pro et GLM-5.2 est d'une autre nature : elle s'appuie sur un référentiel sur lequel les deux ont réellement été évalués — et sur ce référentiel, l'écart est réel, mais il est de douze points, pas de vingt-six.

Sur l’Artificial Analysis Intelligence Index v4.3.2, consulté le 22 septembre 2026, Xiaomi MiMo-V2.6-Pro obtient un score de 46. GLM-5.2 obtient un score de 34. Tous deux sont des modèles à mélange d’experts à poids ouverts issus de laboratoires chinois, tous deux utilisent une fenêtre contextuelle de 1 M de tokens, et tous deux sont proposés à un prix suffisamment bas pour que le choix entre eux repose sur les capacités et le service, et non sur le budget. C’est là que la ressemblance s’arrête, car GLM-5.2 a été remplacé par son propre créateur, et la page sur laquelle cette comparaison est rédigée porte un avis de dépréciation.

Ce qu'est chaque modèle, et dans quel état il se trouve

GLM-5.2 est le modèle phare de Z.ai, sorti le 16 juin 2026. C’est un transformer à mélange d’experts d’environ 753 milliards de paramètres au total, avec environ 40 milliards actifs par token, et il aurait été entraîné entièrement sur des accélérateurs Huawei Ascend plutôt que sur du matériel Nvidia. Il est distribué avec des poids ouverts sous licence MIT, avec des quantifications FP8 et INT4, dispose d’une fenêtre de contexte de 1 M de tokens avec jusqu’à 131 072 tokens de sortie, et s’affiche à 1,40 $ par million de tokens d’entrée et 4,40 $ par million de tokens de sortie sur l’API de Z.ai, avec l’entrée mise en cache à 0,26 $ et un tarif combiné de 0,90 $. Artificial Analysis l’a mesuré à 72,6 tokens de sortie par seconde et 5,98 secondes jusqu’au premier token, pour un coût de 1 559,05 $ pour exécuter l’index complet.

Xiaomi MiMo-V2.6-Pro est devenu disponible en général le 22 septembre 2026, ses dépôts de checkpoints d'apprentissage par renforcement étant apparus la veille. Il s'agit d'un modèle à mélange d'experts clairsemé, avec 1 020 milliards de paramètres au total et 42 milliards activés par token — un total plus élevé que celui de GLM-5.2 et un nombre d'activations quasi identique — doté d'une fenêtre de contexte d'un million de tokens, d'une multimodalité native sur le texte, l'image, la vidéo et l'audio, et de poids sous licence MIT. Xiaomi a conservé la tarification de la génération précédente plutôt que de la revoir à la hausse, si bien qu'il est proposé à 0,43 $ et 0,87 $ par million de tokens, avec une remise de 99 % sur le cache et un tarif mixte de 0,18 $.

• Poids — tous deux sous licence MIT et téléchargeables ; c’est la seule catégorie où les deux sont véritablement égaux

• Paramètres actifs — MiMo-V2.6-Pro : 42B par token ; GLM-5.2 : environ 40B. Quasiment identiques, ce qui fait de l’écart de score le résultat de l’entraînement plutôt que celui de l’échelle

• Paramètres totaux — MiMo-V2.6-Pro 1,02 T ; GLM-5.2 environ 753 B

• Score de l’indice — MiMo-V2.6-Pro 46 ; GLM-5.2 34, tous deux sur Artificial Analysis v4.3.2

• Prix catalogue — MiMo-V2.6-Pro 0,43 $ / 0,87 $ par 1 M ; GLM-5.2 1,40 $ / 4,40 $, tarif mixte de 0,18 $ contre 0,90 $

• Coût d’exécution de l’index — MiMo-V2.6-Pro 206,66 $ ; GLM-5.2 1 559,05 $

• Vitesse — MiMo-V2.6-Pro 134,3 jetons de sortie/seconde ; GLM-5.2 72,6

• Temps jusqu'au premier token — MiMo-V2.6-Pro 2,15 secondes ; GLM-5.2 5,98 secondes

• Statut — MiMo-V2.6-Pro actuel et en GA ; GLM-5.2 déprécié sur Artificial Analysis, qui ne l’évalue désormais qu’avec la charge de travail d’entrée par défaut de 10k

L'avis de dépréciation est le titre principal.

Z.ai a depuis publié GLM-5.3, et la page Artificial Analysis consacrée à GLM-5.2 le dit sans détour, marquant le modèle comme obsolète et limitant la poursuite des travaux de benchmark à une seule charge de travail par défaut. Cela change la raison d'être de cette page. Si vous choisissez un nouveau modèle aujourd'hui, la confrontation qui vous intéresse vraiment est MiMo-V2.6-Pro face à GLM-5.3, et non GLM-5.2 — et sur le même indice v4.3.2, GLM-5.3 à effort maximal obtient 45 contre 46 pour MiMo-V2.6-Pro. Un point. C'est un vrai combat, et c'est un article complètement différent.

La comparaison avec GLM-5.2 mérite encore d’être faite, pour une raison bien précise : c’est l’illustration la moins coûteuse possible de la vitesse à laquelle la frontière des modèles à poids ouverts a progressé entre juin et septembre 2026. Douze points d’indice en quatorze semaines environ, avec un nombre de paramètres actifs pratiquement inchangé. Quelle qu’ait été la cause de ce gain, ce n’était pas l’échelle.

Ce en quoi GLM-5.2 était bon, et s’il l’est toujours

Les supports de lancement de GLM-5.2 mettaient l'accent sur le codage et le travail agentique de longue durée, et ces chiffres tiennent toujours comme description du modèle : SWE-bench Pro à 62,1 contre 58,4 pour GLM-5.1, Terminal-Bench 2.1 à 81,0 contre 63,5, et FrontierSWE à 74,4 contre 30,5. Du côté des connaissances et des mathématiques, il rapportait GPQA-Diamond à 91,2, AIME 2026 à 99,2 et Humanity's Last Exam à 40,5. À l'époque, il devançait tous les modèles sur un benchmark de codage agentique à long horizon et se classait deuxième sur un classement public de développement web. Ce sont des chiffres rapportés par le fournisseur sur ses propres harnais d'évaluation, et la réserve habituelle s'applique à chacun d'eux.

Les propres chiffres publiés par Xiaomi pour MiMo-V2.6-Pro ne leur sont pas comparables, et il vaut mieux être précis sur la raison plutôt que de se contenter d’allusions. Xiaomi rapporte que le modèle passe de 58,4 à 72,57 sur DeepSWE v1.1 au cours de sa campagne d’apprentissage par renforcement, évalué avec mini-swe-agent en moyenne sur trois exécutions, sur son propre évaluateur, la campagne étant documentée comme comptant 30 étapes et environ 750 000 trajectoires achevées en moins de six jours, pour une dépense publiée d’environ 2,62 millions de dollars pour le modèle Pro. Rien de tout cela ne constitue une entrée de classement. Une entrée de classement est une affirmation concernant une configuration spécifique dans des conditions énoncées qu’un tiers peut réexécuter, et celle de Xiaomi n’en est pas une. Un outil de suivi distinct répertorie GLM-5.2 à 46,2 sur DeepSWE — Pass@1, une métrique différente sur la même famille de tâches — et mettre 72,57 à côté de 46,2 pour produire une marge de 26 points relève d’une arithmétique sur deux échelles différentes. Cela ne devrait pas être fait, et c’est l’erreur la plus courante en circulation au sujet de ce duo.

Choisir entre eux, et le routage qui le rend économique

Si les deux sont des poids ouverts sous la même licence, les facteurs décisifs sont ce que vous pouvez exécuter et où vous pouvez l'appeler. GLM-5.2 est disponible sur OrcaRouter sous z-ai/glm-5.2 — un point de terminaison compatible OpenAI, le prix catalogue du fournisseur répercuté avec 0 % de marge, de sorte qu'une modification des tarifs de Z.ai est en ligne chez nous le jour même. Xiaomi MiMo-V2.6-Pro n'est pas sur OrcaRouter ; aucun modèle Xiaomi ne l'est, et pour y accéder, il faut passer par la plateforme de Xiaomi elle-même ou par l'un des catalogues tiers qui le référencent. Nous préférons le dire plutôt que de laisser une page de modèle suggérer le contraire.

La conséquence utile est que vous pouvez conserver les modèles en place sur une seule clé et évaluer le nouveau venu face à eux sans second contrat. Si MiMo-V2.6-Pro gagne sur vos prompts, vous l'avez appris à moindre coût. Si ce n'est pas le cas — et l'écart de douze points à l'indice est plus faible que l'écart de prix par token n'est élevé, si bien que le résultat dépend réellement de votre charge de travail — vous n'avez rien perdu d'autre que le test. Acheminer les deux derrière un seul point de terminaison avec basculement automatique répond aussi à l'objection pratique que l'on peut faire à un modèle lancé cette semaine : une route de service unique est un point de défaillance unique, et une voie de repli est ce qui rend un nouveau modèle sûr à placer devant du trafic réel.

La réponse courte

Si vous êtes sur GLM-5.2 aujourd'hui et qu'il fonctionne, la question de la mise à niveau n'est pas MiMo-V2.6-Pro — c'est GLM-5.3, sur la même lignée, avec un écart d'un point par rapport au modèle Xiaomi et aucun coût de migration. Si vous choisissez une voie à partir de zéro et voulez des poids ouverts avec le meilleur score mesuré des trois, le 46 de MiMo-V2.6-Pro est le chiffre, et ses 134,3 tokens par seconde et 0,13 $ par tâche d'index sont les raisons pour lesquelles ce n'est pas une victoire par une faible marge. Si vous voulez le plus sûr des trois, GLM-5.2 est la mauvaise réponse pour une raison qui n'a rien à voir avec sa qualité en juin : c'est le seul des trois que son propre fournisseur a cessé de développer.

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.