Step 5 Preview 対 MiMo V2.6 Pro：9倍の請求と引き換えに1インデックスポイント

同じArtificial Analysisの実行で、StepFunのStep 5 PreviewとXiaomiのMiMo V2.6 Proは知能ポイントで1ポイント差で終える：29対30。しかし、両者の価格差は1ドルではない。同じ実行では、完了したインデックスタスク1件の価格がStep 5 Previewは2.35ドル、MiMo V2.6 Proは0.26ドルで、約9対1の差になる。どちらも100万トークンのウィンドウを持つオープンウェイトのMixture-of-Expertsモデルで、テキストだけでなく画像も受け付け、2026年9月下旬に互いに1日以内の間隔で登場した — Step 5 Previewは9月20日にStepFunのAPIで、MiMo V2.6 Proは9月21日に。これにより、これはオープンウェイト層で得られる最も明快な直接対決であり、しかも安価なモデルの方がわずかに優れたスコアを出す唯一の比較となる。

以下は、Artificial Analysis が本日提供しているインデックス版に対して行われた単一の評価実行に基づく。ウェブ上に残っているほとんどすべての比較ページが、置き換え済みの旧版を使用しているためだ。以下の数値は再現可能で、同一実行によるものであり、誰が作成したかを明記している。

1週間違いの2つのリリースノート、大きく異なる2つの重要度の下がり方

タイムラインはアーキテクチャと同じほど大きく分岐している。Step 5 Previewは9月20日にAPIを公開し、その後StepFunが10月15日にチェックポイントを公開するまでの約4週間、ホスト型専用製品として提供された。MiMo V2.6 Proは9月21日にAPIと同時にMITライセンスの重みをリリースし、Xiaomiは同時期に強化学習のレシピ、約7,000のタスク環境、蒸留された9Bの兄弟モデルを公開した。

仕様書は、寸法ごとに1行ずつ：

• 総パラメータ数とアクティブパラメータ数 — Step 5 Preview：合計600B、トークンあたり27Bアクティブ。MiMo V2.6 Pro：合計1.0T、42Bアクティブ。

• アーキテクチャ — Step 5 Preview：92 層、8 トークンのブロックインデックスを用いたスパースなグループ化クエリ注意（GQA）、およびゲート付きスライディングウィンドウ注意とスパースなフル注意の 3:1 の混合。MiMo V2.6 Pro：384 のルーテッドエキスパートを持つスパース MoE で、トークンあたり 8 個がアクティブ。

• コンテキストと出力 — ステップ5プレビュー: 100万トークン。MiMo V2.6 Pro: 100万トークン、当社のモデルページでは出力上限131K。

• 入力 — ステップ5 プレビュー：テキスト、画像、動画。MiMo V2.6 Pro：テキスト、画像、動画、音声に対応し、動画のみならずネイティブ音声をうたっています。

• 重みとライセンス — Step 5 Preview: BF16 および FP8、StepFun Model License 1.0 の下で。MiMo V2.6 Pro: MIT。

• 100万トークンあたりの価格 — Step 5 Preview：入力 $1.00、出力 $2.70、キャッシュ $0.10。MiMo V2.6 Pro：入力 $0.435、出力 $0.87、キャッシュ $0.0036。

最初に気づくのはパラメータの差です。Step 5 Preview は、総サイズでもアクティブ計算量でも小さいモデルで、27B 対 42B です。これはパッケージングの偶然ではありません。StepFun の技術ブログは逆のトレードオフを主張しています。つまり、長期的なエージェント作業において、はるかに大きなモデルのように振る舞うよう訓練された、狭く深いスタックであり、そのため 92 層が 1 兆パラメータの枠ではなく 600B の枠に収まっているのです。

ボードは再採点されたが、古い数字は今もあちこちに残っている

今日この対決を検索すると、ほとんどの結果はMiMo V2.6 Proが46、Step 5 Previewが44と表示するでしょう。それらは実際の測定値でした。ただし、それらはArtificial Analysis Intelligence Indexの以前のバージョンで取得されたもので、そのバージョンはその後置き換えられています。現在のボードでは、同じ2モデルは30と29を示し、かつてそれらに近い位置にあったモデルも同程度に変動しています。

これは学究的な理由ではなく実用的な理由で重要だ。旧スコアから計算されたすべての派生数値は、今や誤りになっている。ローンチ時に広まった「タスクあたり$0.13対$0.72」という比率は、$0.26対$2.35になった。順位は変わらなかった——MiMoが依然として1つ先んじている——が、それを取り巻くあらゆるものの規模は変わり、コストの話の方向性は丸め誤差から意思決定を左右する問題へと変わった。

これらの数値のいずれかをどう読むかについての注意：この指標は加重合成であり、このペアについてはそのサブベンチマークが大きく食い違っている。合成値だけを報告すると、Step 5 Preview に存在理由を与える比較の唯一の部分が隠れてしまうだろう。

9対1が何かを買うのはどこか

同じ実行から得られた3つのサブ結果は、Step 5 Previewにとって確かに有利であり、それらは「分からないときは多くを語らない」という一つのテーマに集約される。

• Humanity's Last Exam（Diamond）— Step 5 Preview 24% 対 MiMo V2.6 Pro 15%。セット内で最も難しい知識ベンチマークにおいて、ほぼ9ポイントのリード。

• AA-Omniscience — Step 5 Preview 16 対 MiMo V2.6 Pro −4。このスコアは、正しい想起だけでなく、較正された棄権も評価し、負の値は、モデルが回答を控えるよりも、自信を持って誤答する頻度が高いことを意味します。

• 出力速度 — Step 5 Preview は毎秒179.1トークン、MiMo V2.6 Pro は58.0トークン（同一サービス上で測定）。3倍のスループットは、十数回の連続呼び出しを行うエージェントループにおいて、実際のレイテンシ差となります。

この3つが揃えば、プレミアム料金に対する首尾一貫した擁護になります。幻覚が少なく、より速く応答するモデルは、両ベンダーが狙うまさにそのワークロード——長時間実行エージェント、リポジトリ規模のプロンプト、研究統合——において、トークンあたりの価値がより高くなります。それが9倍の価値があるかは別問題であり、その答えは、自信を持って出した誤った回答にどれだけのコストを払うかによって変わります。

MiMoが但し書きなしで勝る点

コードと自動化テストは逆方向に進んでおり、しかもその差はわずかではありません。

• FrontierCode 2.0 — MiMo V2.6 Pro 24% 対 Step 5 Preview 12%。コーディングベンチマークでスコアは2倍、これは両者における最大の相違点です。

• AutomationBench-AA — 59% 対 51%。

• Terminal-Bench 4.0 — 35% 対 33%、この僅差のリードが重要なのは、Step 5 Preview のエージェント的な位置づけがターミナル作業の上に築かれているからです。

• GDPpdf — 19% 対 15%、そして Terminal-Bench-Science は 6% 対 2% で、いずれも控えめながら一貫しています。

Step 5 PreviewのHLEとOmniscienceにおける勝利は、知識の広さとキャリブレーションとして解釈できる。一方、MiMoのFrontierCodeとAutomationBenchにおける勝利は、行動する能力として解釈できる。コーディングエージェントにとって、それらは等価な通貨ではない。

キャッシュの経済性は、支出をモデル化する人を最も驚かせそうな部分です。MiMo V2.6 Proのキャッシュ入力料金は100万トークンあたり$0.0036で、Step 5 Previewの$0.10に対して28倍の差があります。これは、同じリポジトリやドキュメントのコンテキストが毎ターン再読される長いエージェントセッションで支配的なトークン区分における差です。MiMoはまた、レイテンシー重視の呼び出し向けにUltraSpeedティアを入力$4.35、出力$8.70で提供しており、モデルを変えずにスループットを買う手段です。

エージェントの1ターンにかかる実際のコスト

代表的な1回の呼び出しを例に取る。40万トークンのコンテキスト入力、2万トークン出力だ。定価ベースでは、Step 5 Preview が $0.454、MiMo V2.6 Pro が $0.191 — 2.4倍の差であり、9倍ではない。ここで同じコンテキストを1セッション内で10回実行する。キャッシュが機能すると、Step 5 Preview はその40万トークンを100万トークンあたり $0.10 で再読み込みし、MiMo V2.6 Pro は $0.0036 で再読み込みするため、キャッシュ部分の差はおよそ28対1に広がる。

その計算が、タスクあたりのギャップと表示価格のギャップが一致しない理由です。タスクあたりの数値は、プロンプトの再利用が多い完全な評価全体にわたる加重平均であり、したがって見出しのレートと同じくらいキャッシュ率を反映します。ワークロードが毎回新しいコンテキストを使う一回限りのプロンプトであれば、2.4倍の数値に近い予算で見積もってください。同じファイルを繰り返し読む永続的なエージェントであれば、9倍の数値のほうが正直な計画用の数字です。

今日、あなたが呼べるもの

MiMo V2.6 ProはOrcaRouterのカタログにモデルIDxiaomi/mimo-v2.6-proで掲載されており、Xiaomi自身のリスト価格である100万トークンあたり入力$0.43、出力$0.87で課金され、上乗せは一切ありません。これがここで重要なのは、明確な理由があるからです。この比較における価格は最も変動しやすい要素であり、パススルールーターであればXiaomiの価格変更が次回の契約更新時ではなく当日に請求へ反映されるからです。

Step 5 Preview は当社のカタログには含まれていません。その呼び出し先は、引き続き StepFun 自身の API か、チェックポイントを提供するサードパーティのホストです。両者を比較検討するチームにとって、この非対称性そのものが論拠になります。この比較の一方は、単一のルーティング設定でフォールバックと組み合わせて検証できますが、もう一方は検証できません。ルーティング DSL を使えば、コーディングのトラフィックを MiMo V2.6 Pro に送り、2 つ目のモデルを自動フェイルオーバーの背後に保持できるため、1 つのプロバイダーでレイテンシが急増してもエージェントを停止させることはありません。MiMo の 1 ポイントの優位が、実際のワークロードでは維持されないと判明した場合、切り替えにかかるのはモデル ID の変更だけであり、契約の変更ではありません。

この対戦が繰り返し投げかける疑問

なぜほとんどの比較ページはまだ46対44と表示しているのですか？

インデックスの前バージョンに対して書かれたもので、まだ再計算されていないからです。変わったのはモデルだけではなく、基盤となる評価そのものであり、そこから導かれるあらゆる数値——タスクあたりのコストも含めて——がそれに伴って変動しました。2つのページがこのペアを引用して1〜2ポイントを超えて食い違っている場合は、それぞれがどのインデックスバージョンから生成されたのかを確認してください。

Step 5 Preview のキャリブレーション上の優位性は、ドメインシフトを経ても維持されるのでしょうか？

一部そのとおりです。Omniscience と HLE の結果は一般知識について測定されたもので、それらが評価するキャリブレーションの挙動は、モデルが訓練分布の外側にある事柄について尋ねられる場面で最も価値を発揮します。両モデルが徹底的に訓練された狭い領域——たとえばコード——では、MiMo の FrontierCode における優位は、棄権の利点が、あなたが対価を払っている働きをしていないことを示唆しています。

どちらかのモデルは、もう一方をそのまま置き換えられる代替品ですか？

確認せずには言えません。実際にはOpenAI互換のインターフェースを共有していますが、推論制御は異なり、出力上限も異なります。また、Step 5 Previewの27Bアクティブフットプリントによって、長いプロンプトをどれだけ常駐させられるかが変わります。プロンプトを移植し、独自の評価セットを再実行して、どちらかのベンダーのスライドではなく、実際のワークロードで比較してください。

結論を手短に言うと、ナレッジ重視で、レイテンシに敏感で、間違えると高くつくワークロードなら、Step 5 Preview の9倍の価格プレミアムは正当化でき、毎秒179トークンという速度が使っていて快適に感じさせる。コード、自動化、同じコンテキストでの長いセッションが中心なら、MiMo V2.6 Pro の方が優れたモデルで、価格差は比べ物にならない。しかも2つのうち、今日ルーターの背後に置いて、明日にはそこから乗り換えられるのはこちらだ。