Step 5 Preview vs MiMo V2.6 Pro : un point d’indice pour une facture neuf fois plus élevée

Lors de la même évaluation Artificial Analysis, la version de StepFun, Step 5 Preview et la version de Xiaomi, MiMo V2.6 Pro terminent à un point d’intelligence d’écart : 29 contre 30. Ils ne sont pas à un billet près. La même évaluation chiffre une tâche d’index complétée à 2,35 $ pour Step 5 Preview et à 0,26 $ pour MiMo V2.6 Pro, un écart d’environ neuf pour un. Les deux sont des modèles mixture-of-experts à poids ouverts dotés d’une fenêtre d’un million de tokens, tous deux acceptent les images comme le texte, et tous deux sont arrivés à un jour d’intervalle l’un de l’autre fin septembre 2026 — Step 5 Preview sur l’API de StepFun le 20 septembre, MiMo V2.6 Pro le 21 septembre. Cela en fait la comparaison directe la plus nette disponible dans la catégorie des poids ouverts, et c’est la seule comparaison où le modèle moins cher est aussi celui qui obtient légèrement le meilleur score.

Ce qui suit s’appuie sur une seule exécution d’évaluation, réalisée sur la version de l’index qu’Artificial Analysis met à disposition aujourd’hui, car presque toutes les pages de comparaison encore en ligne utilisent une version remplacée. Les chiffres ci-dessous sont reproductibles, issus de la même exécution, et indiquent qui les a produits.

Deux notes de version, à une semaine d’intervalle, deux baisses de poids très différentes

Les calendriers divergent autant que les architectures. Step 5 Preview a été mis à disposition via une API le 20 septembre, puis est resté pendant près de quatre semaines un produit uniquement disponible en hébergement avant que StepFun ne publie les checkpoints le 15 octobre. MiMo V2.6 Pro a publié ses poids sous licence MIT en même temps que l’API le 21 septembre, et Xiaomi a publié sa recette d’apprentissage par renforcement, environ 7 000 environnements de tâches et un frère distillé de 9B en même temps.

Les fiches techniques, une ligne par dimension :

• Paramètres totaux et actifs — Step 5 Preview : 600 B au total, 27 B actifs par token. MiMo V2.6 Pro : 1,0 T au total, 42 B actifs.

• Architecture — Aperçu de l’étape 5 : 92 couches, attention à requêtes groupées clairsemée avec indexation par blocs de 8 jetons, et un mélange 3:1 d’attention à fenêtre glissante avec portes et d’attention complète clairsemée. MiMo V2.6 Pro : MoE clairsemé avec 384 experts routés, huit actifs par jeton.

• Contexte et sortie — Aperçu de l’étape 5 : 1 M de tokens. MiMo V2.6 Pro : 1 M de tokens, avec un plafond de sortie de 131 K sur notre propre page de modèle.

• Entrée — Aperçu de l’étape 5 : texte, image et vidéo. MiMo V2.6 Pro : texte, image, vidéo et audio, et il met en avant un audio natif plutôt qu’une prise en charge uniquement vidéo.

• Poids et licence — Step 5 Preview : BF16 et FP8, sous la StepFun Model License 1.0. MiMo V2.6 Pro : MIT.

• Prix par million de tokens — Step 5 Preview : 1,00 $ en entrée, 2,70 $ en sortie, 0,10 $ en cache. MiMo V2.6 Pro : 0,435 $ en entrée, 0,87 $ en sortie, 0,0036 $ en cache.

L’écart de paramètres est la première chose que l’on remarque. Step 5 Preview est le plus petit modèle en taille totale et le plus petit en calcul actif, 27B contre 42B. Ce n’est pas un hasard de packaging ; le blog technique de StepFun défend l’arbitrage inverse — une pile étroite et profonde, entraînée à se comporter comme un modèle bien plus grand sur des tâches d’agent à long horizon, ce qui explique pourquoi 92 couches tiennent dans une enveloppe de 600B plutôt que dans une enveloppe de mille milliards de paramètres.

Le tableau a été re-noté, et les anciens chiffres sont encore partout.

Si vous recherchez cette confrontation aujourd’hui, la plupart des résultats vous indiqueront que MiMo V2.6 Pro obtient un score de 46 et que Step 5 Preview obtient 44. Il s’agissait de mesures réelles. Elles ont été effectuées sur une version antérieure de l’Artificial Analysis Intelligence Index, et cette version a depuis été remplacée. Dans le classement tel qu’il se présente aujourd’hui, les deux mêmes modèles affichent 30 et 29, et les modèles qui se trouvaient auparavant près d’eux ont évolué dans des proportions similaires.

Cela importe pour une raison pratique plutôt que par pédanterie : chaque chiffre dérivé, calculé à partir des anciens scores, est désormais faux. Le ratio « 0,13 $ contre 0,72 $ par tâche » qui circulait au lancement est devenu 0,26 $ contre 2,35 $. L'ordre n'a pas changé — MiMo conserve une unité d'avance — mais l'ampleur de tout ce qui l'entoure, elle, a changé, et l'histoire des coûts est passée d'une erreur d'arrondi à une décision.

Une mise en garde sur la manière de lire chacun de ces chiffres : l’indice est un composite pondéré, et ses sous-indicateurs de référence divergent fortement pour cette paire. Ne rapporter que le composite masquerait la seule partie de la comparaison qui donne à Step 5 Preview une raison d’exister.

Où le neuf contre un achète quelque chose

Trois sous-résultats d’une même exécution sont réellement à l’avantage de Step 5 Preview, et ils se regroupent autour d’un même thème : en dire moins lorsqu’il ne sait pas.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24 % contre MiMo V2.6 Pro 15 %. Près de neuf points d'avance sur le benchmark de connaissances le plus difficile de l'ensemble.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Le score récompense l’abstention calibrée ainsi que le rappel correct, et une valeur négative signifie qu’un modèle répond avec assurance et se trompe plus souvent qu’il ne reste silencieux.

• Vitesse de sortie — Step 5 Preview : 179,1 tokens par seconde contre 58,0 pour MiMo V2.6 Pro, mesuré sur le même service. Un débit trois fois supérieur constitue une véritable différence de latence dans une boucle d’agent qui effectue une douzaine d’appels séquentiels.

Ces trois éléments réunis constituent une défense cohérente du surcoût : un modèle qui produit moins d'hallucinations et répond plus vite vaut plus cher par token, précisément dans les charges de travail que les deux fournisseurs ciblent — agents de longue durée, prompts à l'échelle d'un dépôt, synthèse de recherche. Savoir s'il vaut neuf fois plus cher est une question distincte, et la réponse dépend du coût que représente pour vous une réponse fausse mais assurée.

Là où MiMo gagne sans astérisque

Le code et les tests automatisés vont dans la direction opposée, et pas seulement à la marge.

• FrontierCode 2.0 — MiMo V2.6 Pro 24 % contre Step 5 Preview 12 %. Soit le double du score sur le benchmark de codage, qui constitue la plus grande divergence au sein de la paire.

• AutomationBench-AA — 59 % contre 51 %.

• Terminal-Bench 4.0 — 35 % contre 33 %, une avance étroite qui compte parce que le positionnement agentique de Step 5 Preview repose sur le travail en terminal.

• GDPpdf — 19 % vs 15 %, et Terminal-Bench-Science 6 % vs 2 %, tous deux modestes mais constants.

Les victoires de Step 5 Preview sur HLE et Omniscience se lisent comme une étendue des connaissances et une calibration ; les victoires de MiMo sur FrontierCode et AutomationBench se lisent comme la capacité d’agir. Pour un agent de codage, ce ne sont pas des monnaies équivalentes.

L’économie du cache est l’aspect le plus susceptible de surprendre quelqu’un qui modélise les dépenses. Le tarif des entrées mises en cache de MiMo V2.6 Pro est de 0,0036 $ par million de tokens, contre 0,10 $ pour Step 5 Preview — un écart de 28 fois sur la catégorie de tokens qui domine une longue session d’agent, où le même contexte de référentiel ou de document est relu à chaque tour. MiMo propose également une offre UltraSpeed à 4,35 $ en entrée et 8,70 $ en sortie pour les appels critiques en termes de latence, ce qui permet d’acheter du débit sans changer de modèle.

Ce que coûte réellement un tour d’agent

Prenons un appel représentatif : 400 000 tokens en entrée, 20 000 tokens en sortie. Aux prix catalogue, cela représente 0,454 $ pour Step 5 Preview et 0,191 $ pour MiMo V2.6 Pro — un écart d’un facteur 2,4, et non d’un facteur neuf. Exécutez maintenant le même contexte dix fois dans une session. Avec le cache qui fait son travail, Step 5 Preview relit ces 400 000 tokens à 0,10 $ par million et MiMo V2.6 Pro à 0,0036 $, et l’écart sur la portion mise en cache s’élargit à environ 28 contre 1.

Ce calcul explique pourquoi l’écart par tâche et l’écart du prix affiché ne concordent pas. Le chiffre par tâche est une moyenne pondérée sur l’ensemble d’une évaluation, avec une forte réutilisation des prompts ; il reflète donc autant le taux de cache que le taux annoncé. Si votre charge de travail se compose de prompts à usage unique avec un contexte neuf à chaque appel, prévoyez un budget plus proche du chiffre de 2,4 fois. S’il s’agit d’un agent persistant qui relit les mêmes fichiers, le chiffre de neuf fois est l’estimation de planification la plus honnête.

Ce que vous pouvez appeler aujourd’hui

MiMo V2.6 Pro figure dans le catalogue d'OrcaRouter sous l'identifiant de modèle xiaomi/mimo-v2.6-pro, facturé au tarif catalogue de Xiaomi lui-même, soit 0,43 $ en entrée et 0,87 $ en sortie par million de jetons, sans majoration ajoutée par-dessus. Cela compte ici pour une raison précise : dans cette comparaison, c'est le prix qui est le plus susceptible de bouger, et un routeur en pass-through signifie qu'un changement de prix de Xiaomi se répercute sur votre facture le jour même plutôt qu'au prochain renouvellement de contrat.

Step 5 Preview ne figure pas dans notre catalogue. Son point d'appel reste l'API propre à StepFun, ou un hôte tiers qui héberge les checkpoints. Pour une équipe qui pèse les deux options, cette asymétrie est en soi un argument : un côté de cette comparaison peut être testé face à une solution de repli dans une simple configuration de routage, et l'autre non. Le DSL de routage vous permet d'envoyer le trafic de codage vers MiMo V2.6 Pro et de garder un second modèle derrière le basculement automatique, afin qu'un pic de latence chez un fournisseur ne mette pas l'agent hors service. Si l'avance d'un point de MiMo ne tient pas sur votre propre charge de travail, en changer ne coûte qu'un identifiant de modèle, pas un contrat.

Les questions que cette confrontation ne cesse de soulever

Pourquoi la plupart des pages de comparaison affichent-elles encore 46 contre 44 ?

Parce qu'ils ont été rédigés d'après la version précédente de l'indice et n'ont pas été recalculés. L'évaluation sous-jacente a changé, pas seulement les modèles, si bien que chaque chiffre qui en découle — y compris le coût par tâche — a évolué avec elle. Lorsque deux pages citent cette paire de chiffres et divergent de plus d'un point ou deux, vérifiez quelle version de l'indice a produit chacun d'eux.

L'avantage de calibration de Step 5 Preview survit-il à un changement de domaine ?

En partie. Les résultats d’Omniscience et de HLE sont mesurés sur des connaissances générales ; le comportement de calibration qu’ils récompensent est surtout précieux lorsque le modèle est interrogé sur des sujets hors de sa distribution d’entraînement. Dans un domaine étroit où les deux modèles ont été entraînés intensivement — le code, par exemple — l’avance de MiMo sur FrontierCode suggère que l’avantage d’abstention ne fait pas le travail que vous payez.

L’un ou l’autre des modèles peut-il remplacer l’autre sans modification ?

Pas sans vérifier. En pratique, ils partagent une surface compatible OpenAI, mais les contrôles de raisonnement diffèrent, les plafonds de sortie diffèrent, et l’empreinte active de 27B de Step 5 Preview change la part d’un long prompt que vous pouvez garder en mémoire. Portez le prompt, relancez votre propre jeu d’évaluation et comparez sur votre charge de travail plutôt que sur la présentation de l’un ou l’autre fournisseur.

La version courte de la décision : si votre charge de travail est intensive en connaissances, sensible à la latence et coûteuse à mal exécuter, le surcoût de neuf fois de Step 5 Preview est défendable et ses 179 tokens par seconde le rendent agréable à utiliser. Si votre charge de travail est du code, de l’automatisation et de longues sessions sur le même contexte, MiMo V2.6 Pro est le meilleur modèle à un prix sans commune mesure — et c’est celui des deux que vous pouvez placer derrière un routeur aujourd’hui et abandonner demain.