MiMo-V2.6-Pro vs GPT-5.6 Sol : un point d'indice, vingt-deux fois le tarif mixte

On the Artificial Analysis Intelligence Index v4.3.2, read on 22 September 2026, the vendor's GPT-5.6 Sol at maximum effort scores 47 and Xiaomi's MiMo-V2.6-Pro scores 46. One point. The blended rates Artificial Analysis publishes for the two — a 7:2:1 cache-hit, input, output mix — are $3.08 for GPT-5.6 Sol and $0.18 for MiMo-V2.6-Pro. Twenty-two times the money for one index point is the entire shape of this matchup, and the interesting question is not whether the point is worth it. It is which specific requests the point lives in, because the aggregate does not tell you.

Ce qui rend ce duo digne d'être comparé, c'est qu'ils n'appartiennent manifestement pas à la même catégorie. GPT-5.6 Sol est un modèle frontière propriétaire doté d'un mode multi-agents et d'une grille tarifaire en conséquence. Xiaomi MiMo-V2.6-Pro est un checkpoint à poids ouverts sous licence MIT, livré le 22 septembre 2026, les dépôts d'apprentissage par renforcement étant arrivés la veille, et son prix est celui d'un modèle de milieu de gamme. Qu'un modèle ouvert à mille milliards de paramètres arrive à un point du modèle phare d'OpenAI, voilà la nouvelle. Ce que vous faites de ce constat est une décision qui vous appartient.

Les deux modèles, énoncés simplement.

GPT-5.6 Sol est sorti le 9 juillet 2026 comme modèle phare de la famille GPT-5.6, aux côtés de Terra et Luna, et OpenAI fait pointer l'alias nu gpt-5.6 vers celui-ci. Il est propriétaire, accepte du texte et des images en entrée et renvoie du texte, prend en charge un effort de raisonnement allant de none à xhigh ainsi qu'un mode multi-agents « ultra » exclusif à Sol, et présente une date de coupure des connaissances de février 2026. Son prix catalogue est de 4,00 $ par million de jetons en entrée et de 20,00 $ par million en sortie sur l'API propriétaire d'OpenAI, avec les entrées mises en cache à 0,50 $ et une fenêtre de contexte d'un million de jetons. Artificial Analysis a mesuré 77,3 jetons de sortie par seconde et 127,21 secondes jusqu'au premier jeton, pour un coût de 3 464,84 $ afin d'exécuter l'indice complet.

Xiaomi MiMo-V2.6-Pro est un modèle à mélange d’experts creux de 1 020 milliards de paramètres au total et de 42 milliards activés par jeton, doté d’une fenêtre de contexte de 1 M de jetons et d’une multimodalité native couvrant texte, image, vidéo et audio. Xiaomi a conservé la tarification de la génération précédente plutôt que de réviser à la hausse le prix du nouveau checkpoint, ce qui explique qu’un modèle de cette taille soit affiché à 0,43 $ et 0,87 $ par million de jetons, avec une remise de 99 % sur le cache. Artificial Analysis a mesuré 134,3 jetons de sortie par seconde, 2,15 secondes jusqu’au premier jeton et 206,66 $ pour exécuter l’index — soit 0,13 $ par tâche.

• Poids — MiMo-V2.6-Pro sous licence MIT et téléchargeable ; GPT-5.6 Sol propriétaire, API uniquement

• Paramètres — MiMo-V2.6-Pro : 1,02 T au total / 42 Md actifs ; GPT-5.6 Sol : non divulgué

• Contexte — 1M tokens pour les deux ; GPT-5.6 Sol plafonne la sortie à 128K

• Modalité — MiMo-V2.6-Pro accepte le texte, l'image, la vidéo et l'audio ; la surface d'entrée publiée de GPT-5.6 Sol se limite au texte et à l'image

• Prix catalogue — MiMo-V2.6-Pro 0,43 $ / 0,87 $ par million ; GPT-5.6 Sol 4,00 $ / 20,00 $, entrée mise en cache 0,50 $

• Tarif mixte — MiMo-V2.6-Pro 0,18 $ par million ; GPT-5.6 Sol 3,08 $

• Coût mesuré par tâche d'indexation — MiMo-V2.6-Pro 0,13 $ ; GPT-5.6 Sol 3 464,84 $ pour l'index complet

• Vitesse — MiMo-V2.6-Pro 134,3 jetons de sortie/seconde ; GPT-5.6 Sol 77,3

• Temps jusqu’au premier token — MiMo-V2.6-Pro 2,15 secondes ; GPT-5.6 Sol 127,21 secondes

• Contrôle du raisonnement — GPT-5.6 Sol expose none/low/medium/high/xhigh/max, plus un mode ultra multi-agents ; MiMo-V2.6-Pro ne publie aucune échelle équivalente

Où se situe réellement l'unique point

Un écart d'un point sur un composite de dix évaluations est une erreur d'arrondi au niveau de l'agrégat et un gouffre au niveau des composantes. La suite couvre 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 — raisonnement, connaissances, mathématiques et codage — et aucun des deux fournisseurs ne publie de ventilation par évaluation pour ces deux modèles. Cette absence constitue une véritable limite des deux côtés de cette page et mérite d'être signalée plutôt que masquée par un composite.

Ce qui est consigné est directionnel, et cela pointe vers le travail agentique comme l’endroit où l’écart se concentre. La documentation de lancement de GPT-5.6 Sol rapporte 53,6 % sur Agents’ Last Exam, une évaluation de workflows professionnels de longue date couvrant 55 domaines, qu’OpenAI a décrite comme un nouveau sommet ; 64,6 % sur SWE-Bench Pro ; 88,8 % sur Terminal-Bench 2.1 ; et 62,6 % sur OSWorld 2.0 pour l’utilisation d’un ordinateur. Son score BrowseComp de 90,4 % monte à 92,2 % en mode ultra, qui exécute quatre sous-agents en parallèle pour un coût en tokens environ quatre fois supérieur. Ce sont des chiffres de fournisseur obtenus sur des harnais de fournisseur, et la réserve habituelle s’applique à chacun d’eux — mais ce sont les catégories où un écart composite d’un point est le moins susceptible d’être réparti uniformément, et Xiaomi ne publie aucune ventilation agentique comparable pour MiMo-V2.6-Pro.

Le contrepoids, c'est que les chiffres du fournisseur de MiMo-V2.6-Pro portent eux-mêmes sur une famille de tâches entièrement différente. Xiaomi indique que le modèle passe de 58,4 à 72,57 sur DeepSWE v1.1 tout au long de sa phase d'apprentissage par renforcement, évalué avec mini-swe-agent en moyenne sur trois exécutions par l'évaluateur interne de Xiaomi, et jamais soumis à un classement public. Mettre 72,57 à côté de n'importe quel chiffre de Sol reviendrait à inventer une comparaison qui n'existe pas. Le seul nombre sur lequel les deux modèles ont réellement été évalués par le même évaluateur est le 46 et le 47.

La comparaison des coûts, réalisée correctement

Le calcul par token sous-estime l’écart, car les deux modèles ne consomment pas le même nombre de tokens pour accomplir le même travail. Le chiffre unique équitable est celui qu’Artificial Analysis a mesuré pour exécuter son indice complet sur chacun : 206,66 $ pour MiMo-V2.6-Pro et 3 464,84 $ pour GPT-5.6 Sol. Même suite, même harnais, mesurés de manière identique — un écart de 16,8x sur un ensemble de tâches contrôlé, et qui intègre déjà le fait que Sol est un modèle de raisonnement émettant des tokens pour réfléchir.

Maintenant, une boucle de production. Une exécution d'agent de 30 étapes lisant 200 000 tokens de contexte par étape et écrivant 2 000 tokens par étape, c'est 6 millions de tokens en entrée et 60 000 en sortie par exécution. Sur GPT-5.6 Sol au tarif public, cela représente 24,00 $ d'entrée et 1,20 $ de sortie — 25,20 $ par exécution avant mise en cache. Sur MiMo-V2.6-Pro, c'est 2,58 $ et 0,05 $ — 2,63 $. La mise en cache change les deux : l'entrée mise en cache de Sol à 0,50 $ face à la remise de 99 % de MiMo-V2.6-Pro laisse encore le modèle coûteux un ordre de grandeur devant sur une boucle à forte consommation de contexte, ce qui est précisément la boucle qu'exécute un agent.

Le volet latence de la comparaison est plus marqué que le volet prix, et il reçoit moins d’attention. GPT-5.6 Sol a affiché 127,21 secondes jusqu’au premier token. MiMo-V2.6-Pro a affiché 2,15. Cela représente un écart d’un facteur de cinquante-neuf, et c’est le chiffre qui détermine si un produit interactif est possible tout court. Sol, à effort maximal, est en pratique un modèle par lots : vous soumettez, vous attendez, vous revenez. Si votre application bloque sur le premier token, le choix a déjà été fait pour vous, quoi que dise l’index.

Une clé, les deux voies

Les deux modèles sont accessibles via une seule clé OrcaRouter au prix catalogue du fournisseur, avec 0 % de marge — GPT-5.6 Sol sous la forme openai/gpt-5.6-sol, qui est notre propre route d'accès. Comme nous répercutons le prix catalogue du fournisseur sans marge, une modification tarifaire de part et d'autre est effective de notre côté le jour même, au lieu d'attendre une nouvelle cotation.

Le DSL de routage est ce qui rend ce couplage intéressant plutôt que simplement pratique. Deux modèles séparés d'un point d'indice, dont l'un coûte seize fois plus par tâche, ne sont pas des alternatives entre lesquelles choisir — ils forment une configuration à deux voies. Envoyez le gros d'une charge de travail vers la voie bon marché et routez la queue vers la voie coûteuse selon un prédicat que vous définissez : les requêtes qui échouent à une auto-vérification, les requêtes correspondant à une règle de complexité, les requêtes dont le coût d'échec dépasse le coût en tokens suffisamment pour que le point soit une assurance bon marché. Le basculement est l'autre moitié de l'équation. Sol est servi largement ; MiMo-V2.6-Pro a été lancé cette semaine et n'était répertorié que par un seul fournisseur d'API lorsque Artificial Analysis l'a capté, ce qui est une route bien mince pour un modèle qu'on mettrait dans un chemin de production. Un routeur capable de basculer, voilà ce qui rend la voie bon marché sûre à adopter, et c'est aussi ce qui rend la voie coûteuse facultative plutôt qu'obligatoire.

Lequel choisir

Choisissez GPT-5.6 Sol lorsque le coût d’échec de la tâche éclipse le coût en tokens — travail agentique à long horizon avec de vrais effets de bord, automatisation de l’utilisation d’ordinateur, utilisation d’outils où un mauvais appel est pire qu’un appel lent, tout ce pour quoi vous payez déjà un humain pour vérifier la sortie. L’exécution d’index à 3 464,84 $ n’est pas une raison de l’éviter ; c’est le prix de cette gamme, et cette gamme existe pour une raison.

Choisissez MiMo-V2.6-Pro lorsque le volume est la contrainte, lorsque la charge de travail est riche en contexte et répétitive, lorsque vous avez besoin d'une latence du premier token assez faible pour qu'un humain accepte d'attendre, lorsque vous voulez les poids dans votre propre infrastructure — MIT autorise le déploiement commercial, la modification et l'entraînement ultérieur — ou lorsque l'économie unitaire ne fonctionne qu'à un cinquième de cent par millier de tokens. Ses 134,3 tokens par seconde le rendent utilisable de manière interactive, contrairement à la plupart des modèles ouverts à un billion de paramètres, et c'est une capacité, pas un rabais.

Choisissez les deux si vous disposez d'un routeur, car la réponse honnête à « lequel est le meilleur » est qu'un écart composite d'un point n'est pas un verdict — c'est la mesure de leur similitude en moyenne et de leur différence probable dans la queue de distribution. Le mode de défaillance à éviter, c'est de standardiser sur le modèle bon marché parce que le rapport est de 22x, de découvrir au troisième mois qu'une catégorie de requêtes a besoin du modèle coûteux, et de n'avoir aucun moyen de les y acheminer. L'échec en miroir, c'est de payer les tarifs de Sol pour un travail de résumé qu'un modèle à indice 46 termine à l'identique. Ni l'un ni l'autre n'est un problème de modèle. Les deux relèvent de la configuration, et la configuration, c'est la partie que vous pouvez modifier un mardi après-midi.

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.