Step 5 Preview vs MiMo V2.6 Pro: un punto indice per nove volte il costo

Nella stessa esecuzione di Artificial Analysis, il modello di StepFun, Step 5 Preview e quello di Xiaomi, MiMo V2.6 Pro terminano a un punto di distanza in termini di intelligenza: 29 contro 30. Non sono separati da una sola bolletta. La stessa esecuzione fissa il costo di un compito indice completato a 2,35 $ per Step 5 Preview e 0,26 $ per MiMo V2.6 Pro, un divario di circa nove a uno. Entrambi sono modelli mixture-of-experts con pesi aperti e una finestra di un milione di token, entrambi accettano immagini oltre al testo, ed entrambi sono arrivati a un giorno di distanza l'uno dall'altro alla fine di settembre 2026 — Step 5 Preview tramite l'API di StepFun il 20 settembre, MiMo V2.6 Pro il 21 settembre. Questo lo rende il confronto diretto più netto disponibile nella fascia a pesi aperti, ed è l'unico confronto in cui il modello più economico è anche quello che ottiene il punteggio marginalmente migliore.

Quanto segue si basa su un'unica esecuzione di valutazione, effettuata sulla versione dell'indice che Artificial Analysis sta servendo oggi, perché quasi ogni pagina di confronto ancora presente sul web ne usa una superata. I numeri riportati di seguito sono riproducibili, relativi alla stessa esecuzione e indicano chi li ha prodotti.

Due note di rilascio, a una settimana di distanza, due cali di peso molto diversi

Le tempistiche divergono tanto quanto le architetture. Step 5 Preview ha reso disponibile un'API il 20 settembre e poi ha trascorso quasi quattro settimane come prodotto disponibile esclusivamente tramite hosting prima che StepFun pubblicasse i checkpoint il 15 ottobre. MiMo V2.6 Pro ha rilasciato i suoi pesi con licenza MIT insieme all'API il 21 settembre, e Xiaomi ha pubblicato contemporaneamente la sua ricetta di apprendimento per rinforzo, circa 7.000 ambienti di attività e un modello gemello distillato da 9B.

Le schede tecniche, una riga per dimensione:

• Parametri totali e attivi — Step 5 Preview: 600B totali, 27B attivi per token. MiMo V2.6 Pro: 1.0T totali, 42B attivi.

• Architettura — Anteprima del Passo 5: 92 livelli, attenzione grouped-query sparsa con indicizzazione a blocchi di 8 token e una combinazione 3:1 di attenzione gated sliding-window con attenzione completa sparsa. MiMo V2.6 Pro: MoE sparsa con 384 esperti instradati, otto attivi per token.

Contesto e output — Anteprima del passaggio 5: 1M token. MiMo V2.6 Pro: 1M token, con un limite di output di 131K sulla nostra pagina del modello.

• Input — Anteprima del passaggio 5: testo, immagine e video. MiMo V2.6 Pro: testo, immagine, video e audio, e pubblicizza audio nativo anziché solo video.

• Pesi e licenza — Step 5 Preview: BF16 e FP8, ai sensi della StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Prezzo per milione di token — Step 5 Preview: $1.00 in input, $2.70 in output, $0.10 in cache. MiMo V2.6 Pro: $0.435 in input, $0.87 in output, $0.0036 in cache.

Il divario nei parametri è la prima cosa che si nota. Step 5 Preview è il modello più piccolo per dimensione totale e il più piccolo per calcolo attivo, 27B contro 42B. Non è un caso dovuto al packaging; il blog tecnico di StepFun sostiene la scelta opposta — uno stack stretto e profondo, addestrato a comportarsi come un modello molto più grande nei compiti di agenti a lungo orizzonte, ed è per questo che 92 layer poggiano su un totale di 600B invece che su un trilione di parametri.

Il tabellone è stato ripunteggiato, e i vecchi numeri sono ancora ovunque.

Se cerchi questo confronto oggi, la maggior parte dei risultati ti dirà che MiMo V2.6 Pro ottiene 46 e Step 5 Preview ottiene 44. Erano rilevazioni reali. Sono state effettuate su una versione precedente dell'Artificial Analysis Intelligence Index, e quella versione è stata poi sostituita. Nella classifica attuale, gli stessi due modelli riportano 30 e 29, e i modelli che prima si trovavano vicino a loro si sono spostati in misura simile.

Questo conta per un motivo pratico, non pedante: ogni cifra derivata calcolata dai vecchi punteggi ora è sbagliata. Il rapporto "$0.13 contro $0.72 per attività" che circolava al lancio è diventato $0.26 contro $2.35. L'ordine non è cambiato — MiMo è ancora in testa di un posto — ma l'ampiezza di tutto ciò che lo circonda sì, e la direzione della vicenda dei costi è passata da errore di arrotondamento a decisione.

Un'avvertenza su come leggere ciascuno di questi numeri: l'indice è un composito ponderato e i suoi sotto-benchmark sono in forte disaccordo per questa coppia. Riportare solo il composito nasconderebbe l'unica parte del confronto che dà a Step 5 Preview una ragione d'esistere.

Dove il nove a uno compra qualcosa

Tre sotto-risultati della stessa esecuzione sono davvero a favore di Step 5 Preview e si raggruppano attorno a un unico tema: dire meno quando non sa.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% vs MiMo V2.6 Pro 15%. Un vantaggio di quasi nove punti sul benchmark di conoscenza più difficile del set.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Il punteggio premia l'astensione calibrata oltre alla capacità di richiamare correttamente le informazioni, e un valore negativo indica un modello che risponde con sicurezza e in modo errato più spesso di quanto rimanga in silenzio.

• Velocità di output — Anteprima Passaggio 5: 179,1 token al secondo rispetto a MiMo V2.6 Pro con 58,0, misurati sullo stesso servizio. Il triplo della produttività è una differenza di latenza reale in un ciclo di agente che effettua una dozzina di chiamate sequenziali.

Quelle tre insieme costituiscono una difesa coerente del sovrapprezzo: un modello che allucina meno e risponde più rapidamente vale di più per token esattamente nei carichi di lavoro a cui puntano entrambi i vendor — agenti a lunga esecuzione, prompt su scala di repository, sintesi di ricerca. Se valga nove volte tanto è una questione separata, e la risposta dipende da quanto ti costa una risposta sicura ma sbagliata.

Dove MiMo vince senza asterischi

Il codice e i test di automazione vanno nella direzione opposta, e non di poco.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% vs Step 5 Preview 12%. Il doppio del punteggio nel benchmark di programmazione, che rappresenta la singola divergenza più ampia della coppia.

• AutomationBench-AA — 59% contro 51%.

• Terminal-Bench 4.0 — 35% contro 33%, un vantaggio esiguo che conta perché il posizionamento agentico di Step 5 Preview si basa sul lavoro da terminale.

• GDPpdf — 19% contro 15%, e Terminal-Bench-Science 6% contro 2%, entrambi modesti ma costanti.

Le vittorie di Step 5 Preview su HLE e Omniscience si leggono come ampiezza di conoscenze e calibrazione; quelle di MiMo su FrontierCode e AutomationBench si leggono come capacità di agire. Per un agente di coding, non sono monete equivalenti.

L'economia della cache è la parte che più probabilmente sorprende chi modella la spesa. La tariffa di input in cache di MiMo V2.6 Pro è di 0,0036 $ per milione di token rispetto agli 0,10 $ di Step 5 Preview — una differenza di 28 volte sulla classe di token che domina una lunga sessione di agente, in cui lo stesso contesto di repository o documento viene riletto a ogni turno. MiMo vende anche un livello UltraSpeed a 4,35 $ in input e 8,70 $ in output per le chiamate critiche in termini di latenza, un modo per acquistare throughput senza cambiare modello.

Quanto costa davvero un turno di un agente

Prendete una chiamata rappresentativa: un contesto di 400.000 token in input e 20.000 token in output. Ai prezzi di listino, sono 0,454 $ per Step 5 Preview e 0,191 $ per MiMo V2.6 Pro: un divario di 2,4 volte, non di nove volte. Ora eseguite lo stesso contesto dieci volte in una sessione. Con la cache che fa il suo lavoro, Step 5 Preview rilegge quei 400.000 token a 0,10 $ per milione e MiMo V2.6 Pro a 0,0036 $, e il divario sulla porzione in cache si allarga a circa 28 a uno.

Quell'aritmetica è il motivo per cui il divario per attività e il divario da prezzo di listino non coincidono. Il valore per attività è una media ponderata su una valutazione completa con forte riutilizzo dei prompt, quindi riflette il tasso di cache tanto quanto la tariffa nominale. Se il tuo carico di lavoro è composto da prompt one-shot con contesto nuovo a ogni chiamata, prevedi un budget più vicino al valore di 2,4 volte. Se invece si tratta di un agente persistente che rilegge gli stessi file, il valore di nove volte è il numero di pianificazione più onesto.

Cosa puoi chiamare oggi

MiMo V2.6 Pro è nel catalogo di OrcaRouter con l'ID del modello xiaomi/mimo-v2.6-pro, fatturato alla tariffa di listino di Xiaomi stessa di $0,43 in ingresso e $0,87 in uscita per milione di token, senza alcun ricarico aggiuntivo. Questo è importante qui per un motivo specifico: il prezzo in questo confronto è l'elemento che ha più probabilità di cambiare, e un router pass-through fa sì che una variazione dei prezzi di Xiaomi arrivi sulla tua fattura lo stesso giorno anziché al rinnovo contrattuale successivo.

Step 5 Preview non è nel nostro catalogo. Il suo endpoint resta l'API proprietaria di StepFun, oppure un host di terze parti che ospita i checkpoint. Per un team che valuta i due, questa asimmetria è di per sé un argomento: un lato di questo confronto può essere testato contro un fallback in un'unica configurazione di routing, e l'altro no. Il DSL di routing ti consente di inviare il traffico di coding a MiMo V2.6 Pro e mantenere un secondo modello dietro failover automatico, così un picco di latenza presso un provider non manda giù l'agente. Se il vantaggio di un punto di MiMo si rivela non valido sul tuo carico di lavoro, cambiare costa un ID modello, non un contratto.

Domande che questo confronto continua a sollevare

Perché la maggior parte delle pagine di confronto mostra ancora 46 contro 44?

Perché sono stati scritti rispetto alla versione precedente dell'indice e non sono stati ricalcolati. La valutazione sottostante è cambiata, non solo i modelli, quindi ogni cifra da essa derivata — incluso il costo per attività — si è spostata con essa. Quando due pagine citano questa coppia e differiscono di più di un punto o due, controlla quale versione dell'indice ha prodotto ciascuna.

Il vantaggio di calibrazione di Step 5 Preview sopravvive a un domain shift?

In parte. I risultati di Omniscience e HLE sono misurati su conoscenze generali; il comportamento di calibrazione che premiano è più prezioso quando al modello vengono chieste cose al di fuori della sua distribuzione di addestramento. In un dominio ristretto in cui entrambi i modelli sono stati addestrati intensamente — il codice, per esempio — il vantaggio di MiMo in FrontierCode suggerisce che il vantaggio nell'astensione non stia facendo il lavoro per cui stai pagando.

Uno dei due modelli è un sostituto diretto dell'altro?

Non senza verificare. In pratica condividono un'interfaccia compatibile con OpenAI, ma i controlli di ragionamento differiscono, i limiti di output differiscono e l'impronta attiva da 27B di Step 5 Preview cambia quanto di un prompt lungo puoi mantenere residente. Migra il prompt, riesegui il tuo set di valutazione e confronta sul tuo carico di lavoro anziché sulle slide dell'uno o dell'altro fornitore.

La versione breve della decisione: se il tuo carico di lavoro è ad alto contenuto di conoscenza, sensibile alla latenza e costoso da sbagliare, il sovrapprezzo di nove volte di Step 5 Preview è difendibile e i suoi 179 token al secondo lo rendono piacevole da usare. Se il tuo carico di lavoro è codice, automazione e lunghe sessioni sullo stesso contesto, MiMo V2.6 Pro è il modello migliore a un prezzo che non è minimamente paragonabile — ed è quello dei due che puoi mettere dietro un router oggi e da cui puoi passare ad altro domani.