MiMo-V2.6-Pro vs GLM-5.2: due MoE open-weight e il benchmark che non devi sottrarre

La versione più pigra di questo confronto mette il 72,57 di Xiaomi MiMo-V2.6-Pro accanto al 46,2 di GLM-5.2, la definisce una vittoria di 26 punti e pubblica. È sbagliata per un motivo che non ha nulla a che fare con quale modello sia migliore: quei due numeri non sono la stessa misurazione. Il 72,57 di Xiaomi è una media su tre esecuzioni sul suo harness, con mini-swe-agent, e non è mai stato inviato a una classifica pubblica; il 46,2 è un valore Pass@1 proveniente da un harness completamente diverso. Il confronto onesto tra Xiaomi MiMo-V2.6-Pro e GLM-5.2 è un altro, su un metro su cui entrambi sono stati effettivamente testati — e su quel metro, il divario è reale, ma è di dodici punti, non di ventisei.

Sull'Artificial Analysis Intelligence Index v4.3.2, consultato il 22 settembre 2026, Xiaomi MiMo-V2.6-Pro ottiene 46. GLM-5.2 ottiene 34. Entrambi sono modelli mixture-of-experts open-weights provenienti da laboratori cinesi, entrambi utilizzano una finestra di contesto di 1M token ed entrambi hanno un prezzo abbastanza contenuto che la scelta tra loro riguarda le capacità e il serving, non il budget. Qui finisce la somiglianza, perché GLM-5.2 è stato superato dal suo stesso produttore, e la pagina su cui è scritto questo confronto riporta un avviso di deprecazione.

Che cos'è ciascun modello e in quale stato si trova

GLM-5.2 è il modello di punta di Z.ai, rilasciato il 16 giugno 2026. È un transformer mixture-of-experts con circa 753 miliardi di parametri totali e circa 40 miliardi attivi per token, e si dice sia stato addestrato interamente su acceleratori Huawei Ascend anziché su hardware Nvidia. È distribuito con pesi aperti sotto licenza MIT con quantizzazioni FP8 e INT4, supporta 1M token di contesto con fino a 131.072 token di output, e ha un prezzo di listino di $1,40 per milione di token in input e $4,40 per milione in output sull'API di Z.ai, con input in cache a $0,26 e una tariffa mista di $0,90. Artificial Analysis lo ha misurato a 72,6 token di output al secondo e 5,98 secondi al primo token, con un costo di $1.559,05 per eseguire l'indice completo.

Xiaomi MiMo-V2.6-Pro è diventato disponibile a livello generale il 22 settembre 2026, con i repository dei checkpoint di apprendimento per rinforzo comparsi il giorno prima. È un modello mixture-of-experts sparso con 1,02 trilioni di parametri totali e 42 miliardi attivati per token — un totale superiore a GLM-5.2 e un numero di parametri attivi quasi identico — con una finestra di contesto di 1M token, multimodalità nativa su testo, immagini, video e audio, e pesi con licenza MIT. Xiaomi ha mantenuto il prezzo della generazione precedente invece di aumentarlo, quindi è listato a $0,43 e $0,87 per milione di token, con uno sconto del 99% sulla cache e un prezzo combinato di $0,18.

• Pesi — entrambi con licenza MIT e scaricabili; questa è l'unica categoria in cui i due sono davvero equivalenti

• Parametri attivi — MiMo-V2.6-Pro 42B per token; GLM-5.2 circa 40B. Quasi identici, il che rende il divario di punteggio un risultato dell'addestramento piuttosto che della scala.

• Parametri totali — MiMo-V2.6-Pro 1,02T; GLM-5.2 circa 753B

• Punteggio dell'indice — MiMo-V2.6-Pro 46; GLM-5.2 34, entrambi su Artificial Analysis v4.3.2

• Prezzo di listino — MiMo-V2.6-Pro $0,43 / $0,87 per 1M; GLM-5.2 $1,40 / $4,40, combinato $0,18 contro $0,90

• Costo per eseguire l'indice — MiMo-V2.6-Pro $206,66; GLM-5.2 $1.559,05

• Velocità — MiMo-V2.6-Pro 134,3 token di output al secondo; GLM-5.2 72,6

• Tempo al primo token — MiMo-V2.6-Pro 2,15 secondi; GLM-5.2 5,98 secondi

• Stato — MiMo-V2.6-Pro attuale e GA; GLM-5.2 deprecato su Artificial Analysis, che ora lo valuta solo con il carico di input predefinito di 10k

L'avviso di deprecazione è il titolo.

Z.ai ha nel frattempo rilasciato GLM-5.3, e la pagina di Artificial Analysis dedicata a GLM-5.2 lo dice apertamente, contrassegnando il modello come deprecato e limitando il proseguimento del lavoro di benchmark a un unico carico di lavoro predefinito. Questo cambia lo scopo di questa pagina. Se oggi stai scegliendo un nuovo modello, il confronto che ti interessa davvero è MiMo-V2.6-Pro contro GLM-5.3, non GLM-5.2 — e sullo stesso indice v4.3.2, GLM-5.3 al massimo sforzo ottiene 45 contro il 46 di MiMo-V2.6-Pro. Un punto. È una vera battaglia, e sarebbe un articolo completamente diverso.

Il confronto con GLM-5.2 vale ancora la pena farlo, per una ragione specifica: è l'illustrazione più economica possibile di quanto rapidamente si sia spostata la frontiera degli open-weights tra giugno e settembre 2026. Dodici punti indice in circa quattordici settimane, con il numero di parametri attivi sostanzialmente invariato. Qualunque cosa abbia prodotto quel guadagno, non è stata la scala.

In cosa era bravo GLM-5.2, e se lo è ancora

Il materiale di lancio di GLM-5.2 puntava sul coding e sul lavoro agentico di lunga durata, e quei numeri reggono ancora come descrizione del modello: SWE-bench Pro a 62,1 contro 58,4 di GLM-5.1, Terminal-Bench 2.1 a 81,0 contro 63,5 e FrontierSWE a 74,4 contro 30,5. Sul fronte della conoscenza e della matematica riportava GPQA-Diamond a 91,2, AIME 2026 a 99,2 e Humanity's Last Exam a 40,5. All'epoca guidava tutti i modelli su un benchmark di coding agentico a lungo orizzonte e si classificava secondo in una classifica pubblica di sviluppo web. Si tratta di cifre dichiarate dal fornitore e misurate sui suoi stessi harness, e la solita avvertenza vale per ognuna di esse.

I numeri pubblicati da Xiaomi stessa per MiMo-V2.6-Pro non sono comparabili con quelli, e vale la pena essere precisi sul perché invece di limitarsi ad accennarvi. Xiaomi riporta che il modello passa da 58.4 a 72.57 su DeepSWE v1.1 nel corso della sua esecuzione di reinforcement learning, valutato con mini-swe-agent come media di tre, sul proprio grader, con l'esecuzione documentata come 30 step e circa 750.000 traiettorie completate in meno di sei giorni, a una spesa pubblicata di circa 2,62 milioni di dollari per il modello Pro. Niente di tutto ciò è una voce di classifica. Una voce di classifica è un'affermazione su una configurazione specifica in condizioni dichiarate che una terza parte può rieseguire, e quella di Xiaomi non lo è. Un tracker separato elenca GLM-5.2 a 46.2 su DeepSWE — Pass@1, una metrica diversa sulla stessa famiglia di compiti — e mettere 72.57 accanto a 46.2 per produrre un margine di 26 punti è aritmetica su due scale diverse. Non lo si dovrebbe fare, ed è l'errore più comune in circolazione su questa coppia.

Decidere tra di essi, e il routing che lo rende economico

Se entrambi sono pesi aperti sotto la stessa licenza, i fattori decisivi sono ciò che puoi eseguire e dove puoi richiamarlo. GLM-5.2 è su OrcaRouter come z-ai/glm-5.2 — un unico endpoint compatibile con OpenAI, prezzo di listino del provider passato così com'è con 0% di markup, quindi una variazione di prezzo di Z.ai è attiva dalla nostra parte lo stesso giorno. Xiaomi MiMo-V2.6-Pro non è su OrcaRouter; nessun modello Xiaomi lo è, e per raggiungerlo occorre la piattaforma di Xiaomi stessa o uno dei cataloghi di terze parti che lo includono. Preferiamo dirlo piuttosto che lasciare che una pagina di modello lasci intendere il contrario.

La conseguenza utile è che puoi mantenere gli incumbent su un'unica chiave e valutare il nuovo arrivato rispetto a loro senza un secondo contratto. Se MiMo-V2.6-Pro vince sui tuoi prompt, l'hai scoperto a poco prezzo. Se non lo fa — e il divario di dodici punti nell'indice è più piccolo di quanto sia ampio il divario di prezzo per token, quindi l'esito dipende davvero dal tuo carico di lavoro — non hai perso nulla se non il test. Instradare i due dietro un unico endpoint con failover automatico risponde anche all'obiezione pratica a un modello lanciato questa settimana: una singola rotta di servizio è un singolo punto di guasto, e una corsia su cui puoi ripiegare è ciò che rende sicuro mettere un nuovo modello davanti al traffico reale.

La risposta breve

Se oggi usi GLM-5.2 e funziona, la domanda sull'aggiornamento non è MiMo-V2.6-Pro — è GLM-5.3, sulla stessa linea, con un divario di un punto rispetto al modello Xiaomi e nessuno dei costi di migrazione. Se stai scegliendo una strada da zero e vuoi pesi aperti con il miglior punteggio misurato dei tre, il 46 di MiMo-V2.6-Pro è il numero, e i suoi 134,3 token al secondo e $0,13 per attività di indice sono le ragioni per cui non è una vittoria di misura. Se vuoi il più sicuro dei tre, GLM-5.2 è la risposta sbagliata per una ragione che non ha nulla a che fare con quanto fosse buono a giugno: è l'unico dei tre che il suo stesso fornitore ha smesso di sviluppare.

OrcaRouter mette oltre 200 modelli dietro un unico endpoint compatibile con OpenAI al prezzo di listino del provider con 0% di ricarico, così una variazione di prezzo del fornitore è attiva lo stesso giorno.