Step 5 Preview vs MiMo V2.6 Pro: Satu Poin Indeks untuk Tagihan Sembilan Kali Lipat

Pada run Artificial Analysis yang sama, StepFun dengan Step 5 Preview dan Xiaomi dengan MiMo V2.6 Proselesai terpaut satu poin kecerdasan: 29 berbanding 30. Namun dari segi biaya, keduanya tidak terpaut tipis. Run yang sama menetapkan harga untuk tugas indeks yang telah diselesaikan sebesar $2.35 untuk Step 5 Preview dan $0.26 untuk MiMo V2.6 Pro, selisih sekitar sembilan banding satu. Keduanya adalah model mixture-of-experts berbobot terbuka dengan jendela satu juta token, keduanya menerima gambar maupun teks, dan keduanya hadir dalam selang satu hari pada akhir September 2026 — Step 5 Preview di API StepFun pada 20 September, MiMo V2.6 Pro pada 21 September. Itu menjadikannya perbandingan head-to-head paling bersih yang tersedia di kelas berbobot terbuka, dan inilah satu-satunya perbandingan di mana model yang lebih murah juga merupakan model yang skornya sedikit lebih baik.

Uraian berikut menggunakan satu run evaluasi, yang diambil pada versi indeks yang saat ini disajikan Artificial Analysis, karena hampir setiap halaman perbandingan yang masih ada di web menggunakan versi yang telah digantikan. Angka-angka di bawah ini dapat direproduksi, berasal dari run yang sama, dan mencantumkan siapa yang menghasilkannya.

Dua catatan rilis, berjarak satu minggu, dua penurunan bobot yang sangat berbeda

Lini masa mereka berbeda sama seperti arsitekturnya. Step 5 Preview mencapai API pada 20 September lalu menghabiskan hampir empat minggu sebagai produk yang hanya di-hosting sebelum StepFun menerbitkan checkpoint pada 15 Oktober. MiMo V2.6 Pro merilis bobot berlisensi MIT miliknya bersamaan dengan API pada 21 September, dan Xiaomi menerbitkan resep pembelajaran penguatannya, sekitar 7.000 lingkungan tugas, dan versi 9B turunan yang telah didistilasi pada saat yang sama.

Lembar spesifikasi, satu baris per dimensi:

• Parameter total dan aktif — Step 5 Preview: total 600B, 27B aktif per token. MiMo V2.6 Pro: total 1.0T, 42B aktif.

• Arsitektur — Pratinjau Langkah 5: 92 lapisan, atensi kueri berkelompok sparse dengan pengindeksan blok 8 token, dan campuran 3:1 antara atensi jendela geser bergerbang dengan atensi penuh sparse. MiMo V2.6 Pro: MoE sparse dengan 384 pakar yang dirutekan, delapan aktif per token.

• Konteks dan keluaran — Pratinjau Langkah 5: 1M token. MiMo V2.6 Pro: 1M token, dengan batas keluaran 131K di halaman model kami sendiri.

• Input — Langkah 5 Pratinjau: teks, gambar, dan video. MiMo V2.6 Pro: teks, gambar, video, dan audio, serta mengiklankan audio native alih-alih hanya video.

• Bobot dan lisensi — Step 5 Preview: BF16 dan FP8, di bawah StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Harga per juta token — Step 5 Preview: $1,00 masuk, $2,70 keluar, $0,10 di-cache. MiMo V2.6 Pro: $0,435 masuk, $0,87 keluar, $0,0036 di-cache.

Kesenjangan parameter adalah hal pertama yang perlu diperhatikan. Step 5 Preview adalah model yang lebih kecil dalam hal ukuran total dan lebih kecil dalam hal komputasi aktif, 27B dibandingkan 42B. Itu bukan kebetulan dalam pengemasan; blog teknis StepFun berargumen untuk pertukaran yang berlawanan—stack sempit dan dalam yang dilatih untuk berperilaku seperti model yang jauh lebih besar dalam pekerjaan agen berhorizon panjang, itulah sebabnya 92 lapisan berada dalam selubung 600B, bukan dalam selubung bertriliun parameter.

Papan itu telah diskor ulang, dan angka-angka lama masih ada di mana-mana.

Jika Anda mencari perbandingan ini hari ini, sebagian besar hasil akan menyebutkan MiMo V2.6 Pro mencetak skor 46 dan Step 5 Preview mencetak skor 44. Itu adalah angka pembacaan yang nyata. Angka tersebut diambil pada versi sebelumnya dari Artificial Analysis Intelligence Index, dan versi itu sejak saat itu telah digantikan. Pada papan peringkat sebagaimana kondisinya sekarang, dua model yang sama tercatat 30 dan 29, dan model-model yang dulu berada di dekat mereka telah bergeser dengan besaran yang mirip.

Ini penting karena alasan praktis, bukan karena alasan yang terlalu bertele-tele: setiap angka turunan yang dihitung dari skor lama sekarang salah. Rasio "$0.13 versus $0.72 per tugas" yang beredar saat peluncuran telah menjadi $0.26 terhadap $2.35. Urutannya tidak berubah — MiMo masih memimpin dengan selisih satu — tetapi besaran segala hal di sekitarnya berubah, dan arah cerita biaya berubah dari kesalahan pembulatan menjadi keputusan.

Peringatan tentang cara membaca angka-angka ini: indeks adalah komposit berbobot, dan sub-benchmark-nya sangat berbeda tajam untuk pasangan ini. Melaporkan komposit saja akan menyembunyikan satu-satunya bagian dari perbandingan yang membuat Step 5 Preview punya alasan untuk ada.

Di mana sembilan banding satu membeli sesuatu

Tiga subhasil dari proses yang sama benar-benar menguntungkan Step 5 Preview, dan semuanya berpusat pada satu tema: mengatakan lebih sedikit ketika tidak mengetahuinya.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% vs MiMo V2.6 Pro 15%. Keunggulan hampir sembilan poin pada tolok ukur pengetahuan tersulit dalam kumpulan ini.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Skor tersebut memberi imbalan atas abstensi yang terkalibrasi sekaligus recall yang benar, dan nilai negatif berarti model yang lebih sering menjawab dengan yakin tetapi salah daripada tetap diam.

• Kecepatan keluaran — Step 5 Preview 179,1 token per detik vs MiMo V2.6 Pro 58,0, diukur pada layanan yang sama. Throughput tiga kali lipat merupakan perbedaan latensi yang nyata dalam loop agen yang melakukan selusin panggilan berurutan.

Ketiganya secara bersama-sama merupakan pembelaan yang koheren atas harga premium: model yang lebih jarang berhalusinasi dan merespons lebih cepat bernilai lebih tinggi per token tepat pada beban kerja yang menjadi target kedua vendor — agen yang berjalan lama, prompt berskala repositori, sintesis riset. Apakah model itu bernilai sembilan kali lebih tinggi merupakan pertanyaan terpisah, dan jawabannya bergantung pada seberapa besar kerugian yang Anda tanggung akibat jawaban keliru yang terdengar meyakinkan.

Di mana MiMo menang tanpa syarat

Kode dan pengujian otomasi bergerak ke arah sebaliknya, dan bukan sedikit pun.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% vs Step 5 Preview 12%. Skornya dua kali lipat pada tolok ukur coding, yang merupakan selisih terbesar tunggal dalam pasangan ini.

• AutomationBench-AA — 59% vs 51%.

• Terminal-Bench 4.0 — 35% vs 33%, keunggulan tipis yang penting karena posisi agentik Step 5 Preview dibangun di atas pekerjaan terminal.

• GDPpdf — 19% vs 15%, dan Terminal-Bench-Science 6% vs 2%, keduanya moderat tetapi konsisten.

Kemenangan Step 5 Preview pada HLE dan Omniscience terbaca sebagai luasnya pengetahuan dan kalibrasi; kemenangan MiMo pada FrontierCode dan AutomationBench terbaca sebagai kemampuan untuk bertindak. Bagi agen coding, keduanya bukanlah mata uang yang setara.

Ekonomi cache adalah bagian yang paling mungkin mengejutkan seseorang yang memodelkan pengeluaran. Tarif input cache MiMo V2.6 Pro adalah $0,0036 per juta token dibandingkan $0,10 untuk Step 5 Preview — perbedaan 28 kali lipat pada kelas token yang mendominasi sesi agen panjang, tempat konteks repositori atau dokumen yang sama dibaca ulang pada setiap giliran. MiMo juga menjual tier UltraSpeed seharga $4,35 untuk input dan $8,70 untuk output bagi panggilan yang kritis terhadap latensi, yang merupakan cara membeli throughput tanpa mengganti model.

Berapa sebenarnya biaya satu giliran agen

Ambil satu panggilan representatif: konteks 400.000 token masuk, 20.000 token keluar. Pada harga daftar, itu $0,454 untuk Step 5 Preview dan $0,191 untuk MiMo V2.6 Pro — selisih 2,4 kali lipat, bukan sembilan kali lipat. Sekarang jalankan konteks yang sama sepuluh kali dalam satu sesi. Dengan cache menjalankan fungsinya, Step 5 Preview membaca ulang 400.000 token tersebut dengan tarif $0,10 per juta dan MiMo V2.6 Pro dengan $0,0036, dan selisih pada bagian yang di-cache melebar menjadi kira-kira 28 banding 1.

Perhitungan itulah sebabnya selisih per tugas dan selisih harga yang tertera tidak cocok. Angka per tugas adalah rata-rata tertimbang dari evaluasi menyeluruh dengan penggunaan ulang prompt yang tinggi, jadi angka itu mencerminkan rasio cache sama besarnya dengan tarif utama. Jika beban kerja Anda berupa prompt sekali pakai dengan konteks baru pada setiap panggilan, anggarkan mendekati angka 2,4 kali lipat. Jika beban kerja Anda adalah agen persisten yang membaca ulang file yang sama, angka sembilan kali lipat adalah angka perencanaan yang lebih jujur.

Apa yang dapat Anda sebut hari ini

MiMo V2.6 Pro ada dalam katalog OrcaRouter dengan id model xiaomi/mimo-v2.6-pro, ditagih dengan tarif daftar resmi Xiaomi sebesar $0.43 untuk input dan $0.87 untuk output per juta token tanpa markup tambahan. Itu penting di sini karena alasan khusus: harga dalam perbandingan ini adalah hal yang paling mungkin berubah, dan router pass-through berarti perubahan harga Xiaomi langsung masuk ke tagihan Anda pada hari yang sama, bukan pada perpanjangan kontrak berikutnya.

Step 5 Preview tidak ada dalam katalog kami. Tempat untuk memanggilnya tetap API milik StepFun sendiri, atau host pihak ketiga yang menyediakan checkpoint tersebut. Bagi tim yang mempertimbangkan keduanya, asimetri itu sendiri merupakan sebuah argumen: satu sisi perbandingan ini dapat diuji terhadap fallback dalam satu konfigurasi routing, sedangkan sisi lainnya tidak. DSL routing memungkinkan Anda mengirim lalu lintas coding ke MiMo V2.6 Pro dan menyimpan model kedua di balik failover otomatis, sehingga lonjakan latensi di salah satu penyedia tidak membuat agen tumbang. Jika keunggulan satu poin MiMo ternyata tidak bertahan pada beban kerja Anda sendiri, beralih hanya memerlukan satu id model, bukan kontrak.

Pertanyaan yang terus muncul dari pertandingan ini

Mengapa sebagian besar halaman perbandingan masih menampilkan 46 versus 44?

Karena angka-angka itu ditulis berdasarkan versi indeks sebelumnya dan belum dihitung ulang. Evaluasi yang mendasarinya berubah, bukan hanya modelnya, sehingga setiap angka yang diturunkan darinya — termasuk biaya per tugas — ikut bergeser. Ketika dua halaman mengutip pasangan ini dan selisihnya lebih dari satu atau dua poin, periksa versi indeks mana yang menghasilkan masing-masing angka.

Apakah keunggulan kalibrasi Step 5 Preview tetap bertahan saat terjadi pergeseran domain?

Sebagian. Hasil Omniscience dan HLE diukur pada pengetahuan umum; perilaku kalibrasi yang mereka beri imbalan paling bernilai ketika model ditanya tentang hal-hal di luar distribusi pelatihannya. Dalam domain sempit tempat kedua model dilatih dengan keras — misalnya kode — keunggulan FrontierCode MiMo menunjukkan bahwa keunggulan abstensi bukanlah hal yang Anda bayar.

Apakah salah satu model dapat langsung menggantikan model lainnya?

Tidak tanpa pemeriksaan. Dalam praktiknya, keduanya berbagi antarmuka yang kompatibel dengan OpenAI, tetapi kontrol penalaran mereka berbeda, batas keluaran berbeda, dan jejak aktif 27B milik Step 5 Preview mengubah seberapa banyak prompt panjang yang dapat Anda pertahankan tetap berada di memori. Port prompt-nya, jalankan ulang set evaluasi Anda sendiri, dan bandingkan pada beban kerja Anda sendiri, bukan pada slide salah satu vendor.

Versi singkat dari keputusan ini: jika beban kerja Anda padat pengetahuan, sensitif terhadap latensi, dan mahal bila salah, premi sembilan kali lipat Step 5 Preview dapat dipertahankan dan 179 token per detiknya membuatnya nyaman digunakan. Jika beban kerja Anda adalah kode, otomasi, dan sesi panjang atas konteks yang sama, MiMo V2.6 Pro adalah model yang lebih baik dengan harga yang selisihnya jauh — dan ini adalah satu dari dua yang dapat Anda pasang di belakang router hari ini dan beralih darinya besok.