MiMo-V2.6-Pro zet open weights op de Pareto-lijn voor $0,13 per taak

Xiaomi MiMo-V2.6-Pro verscheen op 21 september 2026 op Hugging Face, en het getal dat sindsdien het meest de ronde doet, is 46 — de score op de Artificial Analysis Intelligence Index v4.3.2, de hoogste die een open-weightsmodel ooit op die samengestelde index heeft behaald. Het getal dat bepaalt of je het daadwerkelijk kunt draaien, is kleiner. Artificial Analysis mat $0,1332 aan rekenkracht per Intelligence Index-taak bij het evalueren van MiMo-V2.6-Pro op zijn eigen harness, en dat cijfer plaatst het model op de Pareto-lijn van de grafiek Intelligentie-versus-kosten-per-taak van de site. Boven de afrondingsdrempel is het het enige open-weightsmodel op die lijn.

Dat is een beperktere en nuttigere bewering dan "top open-weights model", de manier waarop de meeste verslaggeving rond de lancering het framed. Eerste zijn op de intelligentie-as vertelt je het plafond. Op de kostencurve staan vertelt je of iets anders op de markt strikt beter is tegen die prijs. Voor Xiaomi MiMo-V2.6-Pro is, op het moment van schrijven, niets dat.

Wat de Pareto-lijn daadwerkelijk meet

De grafiek toont elk model dat Artificial Analysis heeft geëvalueerd op twee assen: de Intelligence Index op de ene en de gewogen gemiddelde kosten in dollars voor het produceren van één indextaak op de andere. Een model op de Pareto-lijn kan door geen enkel ander afzonderlijk model op beide assen worden verslagen — je kunt niets slimmers vinden voor minder. Punten onder en links van de lijn zijn gedomineerd en vallen van de lijn af.

We hebben de frontier opnieuw berekend op basis van de gegevens in de grafiek in plaats van de lijn met het blote oog af te lezen. Uitgaande van de 326 modellen die zowel een indexscore als een gemeten kosten per taak hebben, is de huidige frontier veertien punten lang:

• Qwen3.5 2B (niet-redenerend) — index 6,2, kosten per taak worden afgerond op $0,000, open gewichten
• Devstral 2 — index 8,6, kosten per taak worden afgerond op $0,000, open gewichten
• North Mini Code — index 9,9, kosten per taak worden afgerond op $0,000, open gewichten
• Claude Sonnet 4.6 (niet-redenerend, hoge inspanning) — index 24,7, kosten per taak worden afgerond op $0,000, gesloten
• Grok Build 0.1 0616 — index 27,2, kosten per taak $0,006, gesloten
• GPT-5.6 Luna (hoog) — index 32,1, kosten per taak $0,044, gesloten
• GPT-5.6 Luna (xhoog) — index 34,6, kosten per taak $0,085, gesloten
• Xiaomi MiMo-V2.6-Pro — index 46,3, kosten per taak $0,133, open gewichten onder MIT-licentie
• GPT-6 Astra (medium) — index 49,6, kosten per taak $1,541, gesloten
• GPT-6 Astra (hoog) — index 50,9, kosten per taak $1,725, gesloten
• GPT-6 Astra (xhoog) — index 52,4, kosten per taak $2,309, gesloten
• GPT-6 Astra (max) — index 52,7, kosten per taak $3,258, gesloten
• Claude Fable 5.1 (xhoog, standaard fallback) — index 53,2, kosten per taak $5,978, gesloten
• Claude Fable 5.1 (max, standaard fallback) — index 53,4, kosten per taak $7,630, gesloten

Er komen drie dingen uit die lijst naar voren. De vier goedkoopste punten zijn modellen waarvan de gemeten kosten op vier decimalen naar nul afronden, dus het interessante deel van de curve begint bij Grok Build 0.1 0616. Xiaomi MiMo-V2.6-Pro is daarin een echte knik, geen afrondingsartefact: het volgende punt hoger kost 11,6 keer zoveel per taak voor 3,3 extra indexpunten. En van de tien frontierpunten met kosten die niet nul zijn, is er precies één open weights — wat precies het feit is dat de framing 'top open-weightsmodel' verbergt. Het dichtstbijzijnde open-weightsmodel op de intelligentieas, GLM-5.3 (max) op 44,8, komt nergens in de buurt van de lijn: het kost $2,006 per indextaak, vijftien keer het cijfer van MiMo-V2.6-Pro. Kimi K3 (max) staat op 43,6 en $2,000 per taak.

De prijslijst veranderde niet. De rekening wel.

Xiaomi heeft de prijzen voor deze generatie niet verhoogd. MiMo-V2.6-Pro staat voor $0,435 per miljoen invoertokens en $0,87 per miljoen uitvoertokens, met een invoerprijs bij cache-hit van $0,0036 — een korting van 99,17% — wat hetzelfde tarief is dat het vorige vlaggenschip hanteerde. Bij een gemengde verhouding van 7:2:1 voor cache-hit/invoer/uitvoer komt dat neer op $0,1765 per miljoen tokens.

En toch bedroegen de kosten van het draaien van de Intelligence Index op MiMo-V2.6-Pro $206,66, oftewel $0,1332 per taak, terwijl dezelfde index op MiMo-V2.5-Pro $0,054 per taak kostte. Artificial Analysis registreerde 140 miljoen outputtokens voor het nieuwere model tegenover 110 miljoen voor het oudere, op dezelfde suite. De tariefkaart is ongewijzigd; het model schrijft simpelweg meer om dezelfde vraag te beantwoorden. Dat is de eerlijke kanttekening bij de Pareto-positie — Xiaomi MiMo-V2.6-Pro verdient zijn plek op de kostenas ondanks dat het uitgebreider is geworden, niet omdat het goedkoper is geworden.

Voor iedereen die een budget bepaalt, is de praktische conclusie dat prijs per token nu een zwakke voorspeller is van wat een workload kost. Twee modellen met identieke tariefkaarten kunnen 2,5x verschillen in kosten per voltooide taak. De cachekorting is de hefboom die het verst reikt: bij $0,0036 per miljoen gecachte invoertokens is het verschil tussen een prompt die context hergebruikt en een die dat niet doet groter dan het verschil tussen de meeste paren modellen op deze lijst.

Wat de score wel en niet dekt

De 46 is een meting door een derde partij, en dat is belangrijk omdat bijna al het andere dat over MiMo-V2.6-Pro is gepubliceerd, dat niet is. De indexversie is ook belangrijk: v4.3.2 is een composiet van tien evaluaties die redeneren, kennis, wiskunde en programmeren bestrijken, en een score is alleen vergelijkbaar met andere scores op dezelfde versie. De leverancierscijfers die Xiaomi samen met de release publiceerde — DeepSWE v1.1 op 71,9, AutomationBench v1.0.6 op 53,1, Toolathlon-Verified op 76,9, Terminal Bench 2.1 op 89,9, CyberGym op 94,0 — komen uit Xiaomi's eigen testomgeving en beoordelingssysteem en zijn door niemand gereproduceerd. Ze zijn nuttig als richtinggevend bewijs van waarop het model is afgestemd; het zijn geen leaderboardvermeldingen.

De andere helft van de release is het open-weights-pakket. Artificial Analysis vermeldt het model met 1,0T totale parameters, waarvan 42B actief, een contextvenster van 1M tokens, tekst-, beeld-, spraak- en video-invoer met tekstuitvoer, en een MIT-licentie met gewichten op Hugging Face. De repository zelf rapporteert een Safetensors-modelgrootte van 524B parameters — een derde cijfer dat noch overeenkomt met het totaal van 1,0T, noch met het actieve aantal van 42B, en dat Xiaomi niet heeft verklaard. Als je een zelfgehoste implementatie overweegt, is het de moeite waard om die discrepantie op te lossen voordat je iets provisioneert, want een 524B FP8-checkpoint en een 1T-checkpoint vragen om een heel andere hardwareaanpak.

Een grenspunt dat je momenteel niet kunt routeren.

Het beschikbaarheidsbeeld is het onderdeel van deze release dat deze het meest beperkt. Toen Artificial Analysis Xiaomi MiMo-V2.6-Pro evalueerde, telde het één API-provider voor het model. De Hugging Face-repository vermeldt dat Xiaomi MiMo-V2.6-Pro niet door enige inference-provider wordt gedeployed. Wij hosten het ook niet, en we zijn niet van plan iets anders te suggereren — de route naar dit model is vandaag het eigen platform van Xiaomi en de catalogi van derden die het vermelden.

Dat is een failoverprobleem, geen kwaliteitsprobleem, en het is precies het probleem dat een router is bedoeld op te lossen. Eén API voor honderden modellen, met automatische failover tussen providers, is wat van "één provider vermeldt dit momenteel" een architectuurrisico verandert in een configuratiedetail. Het is ook hoe je een migratie naar een model dat zo nieuw is gefaseerd zou uitvoeren: stuur een deel van het verkeer naar Xiaomi MiMo-V2.6-Pro, houd een bewezen model erachter, en laat de router het verzoek verplaatsen in plaats van je piketdienst. Dat werkt voor de modellen die wij aanbieden. Voor dit model, totdat het routeerbaar is, is het eerlijke advies om het buiten het kritieke pad te houden.

Wat zou het van de lijn af bewegen?

Een Pareto-positie is een momentopname, geen eigenschap van het model. Drie dingen zouden het veranderen. Een prijsverlaging van Xiaomi zou Xiaomi MiMo-V2.6-Pro verder naar links schuiven en het moeilijker te verslaan maken — en omdat we de lijstprijs van de provider met 0% opslag doorgeven, is een dergelijke verlaging dezelfde dag dat deze ergens ingaat ook bij ons live. Een goedkoper model dat boven de 46,3 scoort, zou het volledig verdringen; GPT-6 Astra (low) staat al op 45,8 voor $0,818 per taak, duurder maar verontrustend dichtbij op de intelligentie-as. En onafhankelijke benchmarking van MiMo-V2.6-Flash — die momenteel helemaal geen Artificial Analysis-pagina heeft — zou kunnen onthullen dat het goedkopere broertje voor de meeste workloads een betere plek op de curve inneemt.

Voorlopig is de verdedigbare bewering de rekenkundige. In de huidige indexversie, bij de huidige gepubliceerde prijzen, is er geen model op de markt dat zowel goedkoper per taak als intelligenter is dan Xiaomi MiMo-V2.6-Pro. Of dat de eerste onafhankelijke replicatie overleeft, is de vraag die het waard is om in de gaten te houden.