MiMo-V2.6-Pro vs Kimi K3: Dua Bobot Terbuka Berparameter Dua Triliun, Terpaut Empat Belas Kali Lipat pada Biaya per Tugas

Keduanya adalah model mixture-of-experts berbobot terbuka dari laboratorium Tiongkok dengan jendela konteks 1 juta token. Keduanya tersedia untuk diunduh. Pada Artificial Analysis Intelligence Index v4.3.2, yang dibaca pada 22 September 2026, Kimi K3 dari MoonshotAI mencetak 44 dan MiMo-V2.6-Pro dari Xiaomi mencetak 46. Dua poin. Biaya terukur untuk menjalankan rangkaian evaluasi yang sama terhadap masing-masing adalah $3.658,07 untuk Kimi K3 dan $206,66 untuk MiMo-V2.6-Pro — faktor tujuh belas. Jika Anda sudah memutuskan menginginkan bobot terbuka di kelas ini, rasio itu, bukan dua poin tersebut, adalah keputusannya.

Kimi K3 adalah model mapan dalam pasangan ini: dirilis 16 Juli 2026, dengan bobot lengkap menyusul pada 27 Juli, dan telah melalui evaluasi independen selama berbulan-bulan. Xiaomi MiMo-V2.6-Pro mulai tersedia secara umum pada 22 September 2026, dengan repositori checkpoint pembelajaran penguatannya muncul sehari sebelumnya. Perbandingannya karena itu adalah antara model terbuka yang sudah terbukti dengan harga premium dan model yang benar-benar baru dengan harga komoditas, dan yang menarik adalah ternyata kesenjangan kemampuan yang terukur begitu sempit.

Apa sebenarnya setiap model itu

Kimi K3 adalah model penalaran multimodal berbobot terbuka dengan 2,8 triliun parameter, yang saat dirilis disebut sebagai model terbuka pertama di kelas tiga triliun. Model ini mengaktifkan 16 dari 896 pakar per token — sekitar 104 miliar parameter aktif — dan menggunakan Kimi Delta Attention serta Attention Residuals untuk mempertahankan konteks 1 juta token secara efisien, dengan keluaran hingga 1 juta token per permintaan. Ini adalah penalaran yang selalu aktif dengan visi native. API pihak pertama Moonshot menagih $3,00 per juta token masukan, $0,30 per juta token masukan yang di-cache, dan $15,00 per juta token keluaran, tetap tanpa tiering panjang konteks, dan Artificial Analysis melaporkan diskon cache 90% serta tarif campuran $2,31. Model ini mengukur 42,8 token keluaran per detik — terbilang lambat dibandingkan median 77,9 untuk model dengan ukuran sebanding — dan 3,93 detik ke token pertama.

Xiaomi MiMo-V2.6-Pro adalah model sparse mixture-of-experts dengan total 1,02 triliun parameter dan 42 miliar yang diaktifkan per token, dengan jendela konteks 1M token dan multimodalitas native di seluruh teks, gambar, video, dan audio. Bobotnya membawa tag lisensi MIT. Xiaomi mempertahankan harga generasi sebelumnya alih-alih menaikkan harga checkpoint baru, sehingga terdaftar pada $0,43 per juta token input dan $0,87 per juta output dengan diskon cache 99% dan campuran $0,18. Model ini mengukur 134,3 token output per detik — kesebelas dari 114 model dalam hal kecepatan — dan 2,15 detik ke token pertama.

• Parameter aktif — MiMo-V2.6-Pro 42B per token; Kimi K3 sekitar 104B, mengaktifkan 16 dari 896 pakar

• Total parameter — MiMo-V2.6-Pro 1,02T; Kimi K3 2,8T

• Skor indeks — MiMo-V2.6-Pro 46; Kimi K3 44, keduanya Artificial Analysis v4.3.2

• Harga daftar — MiMo-V2.6-Pro $0.43 / $0.87 per 1 juta; Kimi K3 $3.00 / $15.00, input cache $0.30

• Tarif campuran — MiMo-V2.6-Pro $0.18 per 1 juta; Kimi K3 $2.31

• Biaya untuk menjalankan indeks — MiMo-V2.6-Pro $206.66; Kimi K3 $3,658.07

• Kecepatan — MiMo-V2.6-Pro 134,3 token keluaran/detik; Kimi K3 42,8, dibandingkan median 77,9 untuk kelas ukuran

• Waktu hingga token pertama — MiMo-V2.6-Pro 2,15 detik; Kimi K3 3,93 detik

• Konteks — 1M token keduanya; Kimi K3 memublikasikan output hingga 1M token per permintaan

• Bobot — keduanya dapat diunduh; MiMo-V2.6-Pro membawa tag MIT

Kecepatan adalah perbedaan yang disembunyikan oleh indeks

Selisih komposit dua poin adalah angka yang paling tidak menarik di sini, dan 134,3 versus 42,8 token per detik adalah yang paling menarik. Model yang menghasilkan tiga kali lebih cepat bukan berarti tiga kali lebih baik, tetapi itulah perbedaan antara kelas aplikasi yang berhasil dan yang tidak — dan halaman Artificial Analysis milik Kimi K3 sendiri menandainya sebagai sangat lambat untuk kelas ukurannya. Bagi loop agen berhorizon panjang yang melakukan puluhan panggilan berurutan, throughput berakumulasi seperti halnya latensi: perbedaan tiga kali lipat per panggilan bukanlah perbedaan tiga kali lipat secara ujung-ke-ujung, tetapi itulah perbedaan antara sesi yang ditunggu pengguna sampai selesai dan sesi yang mereka tinggalkan.

Keunggulan Kimi K3 terletak pada sisi input dalam neraca. Waktu 3,93 detik untuk mencapai token pertama memang lebih lambat daripada 2,15 detik milik MiMo-V2.6-Pro, tetapi tidak sebesar jurang orde besaran antara masing-masing dari keduanya dan model penalaran terdepan dengan upaya maksimal. K3 membayar harga atas ukurannya pada tahap generasi, dan generasi itulah yang ditagihkan kepada Anda.

Nomor vendor, dan yang salah dibaca

Kedua lab menerbitkan angka DeepSWE v1.1 dari harness mereka masing-masing, dan keduanya beredar seolah-olah bisa dibandingkan. Padahal tidak, dan pasangan inilah tempat kesalahan itu paling merugikan karena angkanya terlihat begitu berdekatan.

Xiaomi melaporkan bahwa MiMo-V2.6-Pro naik dari 58,4 ke 72,57 pada DeepSWE v1.1 sepanjang proses pembelajaran penguatannya, dievaluasi dengan mini-swe-agent menggunakan rata-rata dari tiga pada penilai milik Xiaomi sendiri. Proses tersebut didokumentasikan sebagai 30 langkah dan sekitar 750.000 trajektori per model, diselesaikan dalam waktu kurang dari enam hari dengan pengeluaran yang dipublikasikan sekitar US$2,62 juta untuk model Pro dan US$854.044 untuk Flash yang lebih kecil. Penafsiran yang beredar luas atas proses itu menempatkan Kimi K3 pada 68,51 pada tolok ukur yang sama, yang akan membuat model Xiaomi menjadi pemenang dengan selisih empat poin. Penafsiran tersebut adalah angka komunitas, bukan angka Moonshot, dan kedua pengukuran itu memakai metrik yang berbeda — rata-rata dari tiga versus tingkat kelulusan — jadi mengurangkannya adalah aritmetika pada skala yang tidak sepadan. Tidak ada vendor yang mengirimkan konfigurasi ke papan publik Datacurve untuk model-model ini.

Angka yang benar-benar sebanding adalah indeksnya, karena Artificial Analysis menjalankan keduanya sendiri: 46 untuk MiMo-V2.6-Pro dan 44 untuk Kimi K3, pada v4.3.2, tanpa rincian per evaluasi yang dipublikasikan untuk salah satu pun. Selisih dua poin itu cukup kecil untuk berada dalam derau komposit sepuluh evaluasi, dan kesimpulan jujurnya adalah bahwa dalam hal kemampuan terukur, kedua model ini praktis imbang.

Apa yang Anda dapatkan dari versi premium Kimi K3

Adalah keliru untuk menafsirkan selisih biaya sebagai margin murni. Kimi K3 adalah model dengan 2,8 triliun parameter, dibandingkan 1,02 triliun milik Xiaomi, dan model ini mengaktifkan sekitar dua setengah kali lebih banyak parameter per token. Model ini adalah model terbuka pertama di kelas ukurannya, dan ia memiliki serangkaian hasil independen yang belum sempat dikumpulkan oleh MiMo-V2.6-Pro: dalam laporan Artificial Analysis sendiri, ia menempati peringkat ketiga pada Intelligence Index di belakang Claude Fable 5 dan GPT-5.6 Sol pada saat peluncurannya, dengan GDPval-AA v2 pada Elo 1668, peringkat pertama pada AutomationBench-AA dengan 53%, peringkat kedua pada AA-Briefcase pada Elo 1547, dan peringkat pertama pada Frontend Code Arena dengan 1679. Itu adalah pengukuran independen, bukan klaim peluncuran, dan itu menggambarkan model dengan keluasan yang tidak tertangkap oleh margin komposit dua poin.

Ada juga kisah kapasitas yang menyertainya. Permintaan terhadap Kimi K3 dilaporkan membanjiri kapasitas layanan saat peluncuran, menyebabkan jeda sementara pada langganan API dan batas kapasitas hulu di beberapa gateway. Model yang sulit diperoleh adalah model yang sulit dijadikan landasan pengembangan, dan itu masalah ketersediaan, bukan masalah kualitas.

Satu endpoint, dan jawaban terus terang tentang apa yang kami rutekan

Kimi K3 tersedia di OrcaRouter sebagai kimi/kimi-k3 — satu kunci yang kompatibel dengan OpenAI, harga daftar penyedia diteruskan tanpa markup, sehingga perubahan harga Moonshot langsung aktif di sisi kami pada hari yang sama, dan failover otomatis antar penyedia menutupi batas kapasitas yang membayangi model ini sejak peluncuran. Xiaomi MiMo-V2.6-Pro tidak ada di OrcaRouter. Tidak ada model Xiaomi yang ada di sana, dan rute ke sana saat ini adalah platform Xiaomi sendiri atau salah satu katalog pihak ketiga yang memuatnya. Hal itu layak dinyatakan secara gamblang daripada membiarkan halaman model menyiratkan sebaliknya.

Yang membuat pasangan ini menjadi contoh bagus untuk apa fungsi lapisan perutean. Dua model terbuka, imbang pada satu-satunya ukuran independen yang keduanya diuji, terpaut tujuh belas kali lipat pada biaya terukur per tugas — itu bukan sebuah pilihan, melainkan konfigurasi dua jalur. Tempatkan sebagian besar trafik Anda di jalur murah dan arahkan sisanya ke jalur lain berdasarkan predikat yang Anda tentukan sendiri, atau alihkan secara otomatis ketika salah satu rute menurun kinerjanya. Dengan model-model berada di balik satu kunci, eksperimen yang memberi tahu Anda berapa porsi yang seharusnya diambil masing-masing menjadi perubahan konfigurasi pada prompt Anda sendiri, bukan percakapan pengadaan — dan jika Xiaomi menyesuaikan harga MiMo-V2.6-Pro setelah jendela peluncuran ditutup, atau Moonshot memangkas tarif K3 sebagai respons terhadap persaingan, kedua langkah itu langsung berlaku di sisi kami pada hari yang sama, bukan pada siklus penagihan berikutnya.

Yang mana yang harus dipilih

Pilih Kimi K3 saat Anda membutuhkan keluasan yang menyertai model sebesar ini dan yang diukur secara independen — visi, pengodean jangka panjang di seluruh repositori besar, penggunaan alat agentik — atau saat Anda sudah menjalankannya dan biaya migrasinya nyata. Ini adalah model yang lebih teliti dipetakan di antara keduanya, dan batas keluaran 1 juta token-nya tidak biasa. Perhitungkan kecepatan generasinya: pada 42,8 token per detik, dalam istilah interaktif, ini adalah model untuk batch dan beban kerja offline, apa pun yang disarankan oleh kualitas penalarannya.

Pilih MiMo-V2.6-Pro ketika throughput dan ekonomi per unit menjadi kendala, ketika loop-nya sarat konteks dan berulang, ketika latensi token pertama penting, atau ketika Anda ingin bobotnya ada di perangkat keras Anda sendiri di bawah lisensi permisif. Ini kasus langka dari model murah yang juga cepat, dan pada satu-satunya skor independen yang sama-sama dimiliki kedua model, ia unggul dengan selisih yang cukup kecil sehingga bisa dibilang seri.

Pilih keduanya jika Anda memiliki router. Mode kegagalan yang harus dihindari adalah menstandarkan pada salah satu saja karena rasio utama: membayar tarif Kimi K3 untuk pekerjaan peringkasan yang diselesaikan secara identik oleh model 46 indeks, atau baru menyadari bahwa tugas pengodean berskala repositori membutuhkan model 2.8T setelah Anda memindahkan semuanya ke jalur murah. Keduanya bukan masalah model, dan keduanya adalah soal konfigurasi.

OrcaRouter menempatkan 200+ model di balik satu endpoint yang kompatibel dengan OpenAI pada harga daftar penyedia dengan markup 0%, sehingga perubahan harga vendor langsung berlaku pada hari yang sama.