MiMo-V2.6-Pro, 태스크당 0.13달러로 오픈 웨이트를 파레토 선상에 올리다

Xiaomi MiMo-V2.6-Pro는 2026년 9월 21일 Hugging Face에 올라왔고, 그 이후 가장 널리 회자된 숫자는 46이다 — Artificial Analysis Intelligence Index v4.3.2에서의 점수이며, 이는 어떤 오픈 웨이트 모델이 그 종합 지표에서 기록한 최고 점수다. 실제로 이 모델을 돌릴 수 있는지를 결정하는 숫자는 더 작다. Artificial Analysis는 자체 하네스에서 MiMo-V2.6-Pro를 평가하면서 Intelligence Index 작업당 컴퓨팅 비용 $0.1332를 측정했고, 그 수치는 이 모델을 해당 사이트의 지능 대 작업당 비용 차트의 파레토 선 위에 놓는다. 반올림 하한선 위에서, 이 모델은 그 선상에 있는 유일한 오픈 웨이트 모델이다.

그것은 대부분의 출시 보도가 그렇게 규정한 '최고의 오픈 웨이트 모델'보다 더 좁고 더 유용한 주장이다. 지능 축에서 가장 앞선다는 것은 상한을 알려준다. 비용 곡선 위에 있다는 것은 시장의 다른 무엇인가가 그 가격에서 엄밀히 더 나은지 알려준다. Xiaomi MiMo-V2.6-Pro의 경우, 이 글을 쓰는 시점 기준으로, 그런 것은 없다.

파레토 라인이 실제로 측정하는 것

차트는 Artificial Analysis가 평가한 모든 모델을 두 축에 표시합니다. 한 축은 Intelligence Index이고, 다른 축은 하나의 지수 작업을 생성하는 데 드는 가중 평균 달러 비용입니다. 파레토 선 위에 있는 모델은 다른 어떤 단일 모델도 두 축 모두에서 이를 능가할 수 없습니다. 즉, 더 적은 비용으로 더 똑똑한 모델을 찾을 수 없습니다. 선 아래와 왼쪽에 있는 점들은 지배당해 선에서 제외됩니다.

우리는 차트에 내장된 데이터를 사용해 프런티어를 다시 계산했으며, 선을 눈으로 읽어낸 것이 아닙니다. 지수 점수와 작업당 측정 비용을 모두 가진 326개 모델을 바탕으로 볼 때, 현재 프런티어는 14개 지점으로 이루어져 있습니다:

• Qwen3.5 2B (비추론) — 지수 6.2, 작업당 비용 $0.000(반올림), 오픈 웨이트
• Devstral 2 — 지수 8.6, 작업당 비용 $0.000(반올림), 오픈 웨이트
• North Mini Code — 지수 9.9, 작업당 비용 $0.000(반올림), 오픈 웨이트
• Claude Sonnet 4.6 (비추론, 높은 노력) — 지수 24.7, 작업당 비용 $0.000(반올림), 비공개
• Grok Build 0.1 0616 — 지수 27.2, 작업당 비용 $0.006, 비공개
• GPT-5.6 Luna (high) — 지수 32.1, 작업당 비용 $0.044, 비공개
• GPT-5.6 Luna (xhigh) — 지수 34.6, 작업당 비용 $0.085, 비공개
• Xiaomi MiMo-V2.6-Pro — 지수 46.3, 작업당 비용 $0.133, MIT 라이선스 오픈 웨이트
• GPT-6 Astra (medium) — 지수 49.6, 작업당 비용 $1.541, 비공개
• GPT-6 Astra (high) — 지수 50.9, 작업당 비용 $1.725, 비공개
• GPT-6 Astra (xhigh) — 지수 52.4, 작업당 비용 $2.309, 비공개
• GPT-6 Astra (max) — 지수 52.7, 작업당 비용 $3.258, 비공개
• Claude Fable 5.1 (xhigh, 기본 폴백) — 지수 53.2, 작업당 비용 $5.978, 비공개
• Claude Fable 5.1 (max, 기본 폴백) — 지수 53.4, 작업당 비용 $7.630, 비공개

그 목록에서 세 가지 사실이 도출된다. 가장 저렴한 네 지점은 측정 비용이 소수점 네 자리에서 0으로 반올림되는 모델들이므로, 곡선에서 흥미로운 부분은 Grok Build 0.1 0616부터 시작된다. Xiaomi MiMo-V2.6-Pro는 여기서 반올림 인공물이 아니라 진짜 꺾임점이다: 바로 다음 지점은 3.3점의 추가 지수 점수를 얻기 위해 작업당 11.6배 비용이 든다. 그리고 비용이 0이 아닌 프런티어 지점 열 개 중 정확히 하나만 오픈 웨이트다 — 이는 "최고 오픈 웨이트 모델"이라는 프레이밍이 묻어 버리는 사실이다. 지능 축에서 가장 가까운 오픈 웨이트 모델인 GLM-5.3 (max)는 44.8에 있지만 그 선 근처에도 못 미친다: 지수 작업당 $2.006이 들며, 이는 MiMo-V2.6-Pro 수치의 15배다. Kimi K3 (max)는 43.6, 작업당 $2.000에 있다.

가격표는 움직이지 않았다. 청구서는 움직였다.

Xiaomi는 이번 세대에서 가격을 인상하지 않았다. MiMo-V2.6-Pro는 100만 입력 토큰당 $0.435, 100만 출력 토큰당 $0.87에 책정되며, 캐시 적중 입력 가격은 $0.0036 — 99.17% 할인 — 으로, 이는 이전 플래그십이 적용했던 것과 동일한 요금표다. 캐시 적중/입력/출력 비율을 7:2:1로 혼합하면 100만 토큰당 $0.1765가 된다.

그럼에도 MiMo-V2.6-Pro에 대해 Intelligence Index를 실행하는 비용은 $206.66, 즉 작업당 $0.1332였으며, 동일한 지수를 MiMo-V2.5-Pro에 대해 실행한 비용은 작업당 $0.054였다. Artificial Analysis는 동일한 스위트에서 더 새로운 모델에 대해 1억 4천만 개의 출력 토큰을, 더 오래된 모델에 대해 1억 1천만 개를 기록했다. 요금표는 변하지 않았다. 모델은 단지 같은 질문에 답하기 위해 더 많이 쓸 뿐이다. 이것이 파레토 위치에 대한 정직한 유보다 — Xiaomi MiMo-V2.6-Pro는 더 장황해졌음에도 불구하고 비용 축에서 제자리를 얻는 것이지, 더 저렴해졌기 때문이 아니다.

예산을 산정하는 사람이라면, 실무적으로 해석하자면 토큰당 가격은 이제 워크로드 비용을 예측하는 데 약한 지표일 뿐입니다. 동일한 요금표를 적용한 두 모델도 완료된 작업당 비용이 2.5배까지 차이 날 수 있습니다. 캐시 할인은 가장 큰 변화를 만드는 지렛대입니다. 캐시된 입력 토큰 100만 개당 $0.0036에서, 컨텍스트를 재사용하는 프롬프트와 그렇지 않은 프롬프트의 차이는 이 목록에 있는 대부분의 모델 쌍 간 차이보다 더 큽니다.

점수가 다루는 것과 다루지 않는 것

46은 제3자 측정 결과이며, 이는 중요한데, MiMo-V2.6-Pro에 대해 공개된 다른 거의 모든 수치는 제3자 측정이 아니기 때문입니다. 인덱스 버전도 중요합니다: v4.3.2는 추론, 지식, 수학, 코딩을 아우르는 10개 평가의 합성물이며, 점수는 같은 버전의 다른 점수와만 비교할 수 있습니다. 샤오미가 출시와 함께 공개한 벤더 수치들 — DeepSWE v1.1 71.9, AutomationBench v1.0.6 53.1, Toolathlon-Verified 76.9, Terminal Bench 2.1 89.9, CyberGym 94.0 — 은 샤오미 자체 하네스와 채점기에서 나온 것이며 누구도 재현하지 못했습니다. 그것들은 모델이 무엇을 위해 튜닝되었는지에 대한 방향성 증거로서 유용하지만, 리더보드 항목은 아닙니다.

이번 릴리스의 나머지 절반은 오픈 웨이트 패키지입니다. Artificial Analysis는 이 모델을 총 1.0T 파라미터에 활성 42B, 1M 토큰 컨텍스트 창, 텍스트·이미지·음성·비디오 입력 및 텍스트 출력, Hugging Face에 웨이트가 공개된 MIT 라이선스로 기재합니다. 리포지토리 자체는 Safetensors 모델 크기를 524B 파라미터로 보고합니다. 이는 1.0T 총량과도, 42B 활성 수치와도 맞지 않는 세 번째 수치이며, 샤오미가 아직 조정하지 않은 수치입니다. 자체 호스팅 배포를 계획하고 있다면, 524B FP8 체크포인트와 1T 체크포인트는 서로 다른 하드웨어 논의를 요구하므로 무엇이든 프로비저닝하기 전에 이 불일치를 해결할 가치가 있습니다.

현재 경로를 지정할 수 없는 프런티어 지점

가용성 측면은 이번 릴리스에서 가장 큰 제약 요인입니다. Artificial Analysis가 Xiaomi MiMo-V2.6-Pro를 평가했을 때, 이 모델에 대해 집계한 API 제공업체는 단 하나였습니다. Hugging Face 리포지토리에는 Xiaomi MiMo-V2.6-Pro가 어떤 추론 제공업체에 의해서도 배포되지 않는다고 명시되어 있습니다. 저희도 이 모델을 호스팅하지 않으며, 그렇지 않은 것처럼 암시하지도 않겠습니다. 현재 이 모델에 접근하는 경로는 Xiaomi 자체 플랫폼과 이를 등재한 서드파티 카탈로그입니다.

그것은 품질 문제라기보다는 페일오버 문제이며, 라우터가 존재하는 이유인 바로 그 문제입니다. 수백 개 모델을 위한 단일 API, 제공자 간 자동 페일오버는 "현재 한 제공자가 이 모델을 목록에 올려 두었다"는 사실을 아키텍처 리스크에서 구성 세부 사항으로 바꿔 줍니다. 또한 이렇게 새로 나온 모델로의 마이그레이션을 단계적으로 진행하는 방법이기도 합니다: 트래픽의 일부를 Xiaomi MiMo-V2.6-Pro로 보내고, 그 뒤에 검증된 모델을 두고, 요청을 옮기는 일을 온콜 로테이션이 아니라 라우터가 하게 하는 것입니다. 이는 우리가 취급하는 모델에는 통합니다. 이 모델의 경우, 라우팅 가능해질 때까지는 솔직히 중요 경로에서 빼 두라고 조언하고 싶습니다.

무엇이 그것을 라인에서 벗어나게 할까요?

파레토 위치는 스냅샷이지, 모델의 속성이 아닙니다. 이를 바꿀 수 있는 세 가지가 있습니다. 샤오미의 가격 인하는 Xiaomi MiMo-V2.6-Pro를 더 왼쪽으로 이동시켜 따라잡기 어렵게 만들 것입니다. 그리고 우리는 제공업체 정가를 0% 마크업으로 그대로 전달하기 때문에, 그런 인하는 어디에서든 적용되는 당일 우리 쪽에서도 바로 반영됩니다. 46.3점 이상을 기록하는 더 저렴한 모델이 나오면 순위에서 완전히 밀려날 것입니다. GPT-6 Astra (low)는 이미 태스크당 $0.818에 45.8점으로, 더 비싸지만 지능 축에서는 불편할 정도로 가까이 있습니다. 그리고 현재 Artificial Analysis 페이지가 전혀 없는 MiMo-V2.6-Flash에 대한 독립적인 벤치마킹은, 그 더 저렴한 형제 모델이 대부분의 워크로드에서 곡선상 더 나은 위치를 차지하고 있음을 밝혀낼 수도 있습니다.

당장은, 방어할 수 있는 주장은 산술적인 것이다. 현재 인덱스 버전에서, 현재 공개된 가격 기준으로, 시장에는 작업당 더 저렴하면서 Xiaomi MiMo-V2.6-Pro보다 더 지능적인 모델이 없다. 그것이 첫 번째 독립적 재현에서도 살아남을지는 지켜볼 가치가 있는 질문이다.