MiMo-V2.6-Pro vs Gemini 3.1 Pro: een verschil van 16 punten dat alleen op één indexversie bestaat

Zet je Xiaomi MiMo-V2.6-Pro en Gemini 3.1 Pro Preview naast elkaar op de Artificial Analysis Intelligence Index, dan krijg je 46 tegen 30 — een voorsprong van zestien punten voor een model dat aan de inputkant een vijfde kost. Zet je ze naast elkaar op de cijfers die beide leveranciers bij hun eigen lanceringen publiceerden, dan wint Gemini 3.1 Pro met elf. Beide uitkomsten komen van dezelfde evaluator. De reden dat ze van elkaar afwijken, is het allerbelangrijkste om te begrijpen als je modellen in september 2026 wilt vergelijken: de index waarop ze beide staan, is opnieuw opgebouwd, en een score is alleen betekenisvol naast het versienummer dat hem heeft geproduceerd.

De samengestelde index v4.3.2 is de huidige. Hij voert tien evaluaties uit — AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience en AA-LCR v1.1 — en daarop scoort, afgelezen op 22 september 2026, het model van Xiaomi 46 en dat van Google 30. Bij de lancering op 19 februari 2026 werd Gemini 3.1 Pro Preview gerapporteerd op 57 op de toenmalige schaal, waarmee het de ranglijst aanvoerde. Die twee Gemini-cijfers zijn geen daling. Het zijn twee verschillende meetlatten.

Wat elk model daadwerkelijk is

Gemini 3.1 Pro Preview is het frontier-redeneermodel van Google, uitgebracht op 19 februari 2026 en draagt zeven maanden later nog steeds het preview-label. Het heeft een contextvenster van 1M tokens, beperkt de uitvoer tot 65.536 tokens — vermeld als 64K door Artificial Analysis en 65K op onze eigen modelpagina — en accepteert tekst, afbeeldingen, pdf's, audio en video als invoer, met tekst als uitvoer. Het is propriëtair, met een niet-openbaar gemaakt aantal parameters en een kennisafsluitdatum van januari 2025. De eigen API van Google rekent $2,00 per miljoen invoertokens en $12,00 per miljoen uitvoertokens onder de 200K invoer, en gaat naar $4,00 en $18,00 daarboven, met gecachte invoer tegen $0,20.

Xiaomi MiMo-V2.6-Pro werd op 22 september 2026 algemeen beschikbaar, waarbij de repositories met reinforcement-learning-checkpoints de dag ervoor verschenen. Het is een sparse mixture-of-experts-model met 1,02 biljoen totale parameters en 42 miljard geactiveerd per token, met een contextvenster van 1M tokens, native multimodaliteit voor tekst, afbeelding, video en audio, en downloadbare gewichten onder MIT-licentie. Xiaomi handhaafde de prijsstelling van de vorige MiMo-V2.5-generatie in plaats van het nieuwe checkpoint duurder te prijzen: $0,43 per miljoen inputtokens en $0,87 per miljoen output, met een cachekorting van 99% en een blended tarief van $0,18 bij een mix van 7:2:1 cache-hits/input/output.

• Gewichten — Xiaomi MiMo-V2.6-Pro MIT-gelicentieerd en downloadbaar; Gemini 3.1 Pro Preview propriëtair, alleen API

• Parameters — MiMo-V2.6-Pro 1,02T totaal / 42B actief; Gemini 3.1 Pro Preview niet bekendgemaakt

• Context — beide 1M tokens; Gemini 3.1 Pro Preview beperkt de uitvoer tot 65.536 tokens, MiMo-V2.6-Pro publiceert geen gelijkwaardige limiet

• Modaliteit — MiMo-V2.6-Pro accepteert tekst, afbeelding, video en audio; Gemini 3.1 Pro Preview accepteert tekst, afbeelding, pdf, audio en video

• Lijstprijs — MiMo-V2.6-Pro $ 0,43 / $ 0,87 per 1 mln. tokens; Gemini 3.1 Pro Preview $ 2,00 / $ 12,00 onder 200K invoer, $ 4,00 / $ 18,00 daarboven

• Cache — MiMo-V2.6-Pro 99% korting; Gemini 3.1 Pro Preview $0,20 per 1M gecachte leesbewerkingen

• Snelheid — MiMo-V2.6-Pro 134,3 outputtokens per seconde; Gemini 3.1 Pro Preview 121,8

• Tijd tot eerste token — MiMo-V2.6-Pro 2,15 seconden; Gemini 3.1 Pro Preview 63,62 seconden

• Gemeten kosten om de index te draaien — MiMo-V2.6-Pro $206,66, of $0,13 per taak; Gemini 3.1 Pro Preview $1.310,21, of $0,67 per taak

Het voorbeeldlabel is het echte verschil

Alles hierboven is een specificatie. De ene regel die bepaalt hoe je de hele vergelijking moet lezen, is het woord "preview". Een previewmodel is een kandidaat waarvan Google zich er niet toe heeft verbonden die op dat endpoint te houden. Dat is voor een vergelijkingspagina van belang op een manier waarop een verschil van zestien punten in de index dat niet is, want een model waarop je niet kunt vertrouwen dat het er over zes maanden nog is, is geen model waarop je standaardiseert — en Googles eigen familie is er al voorbij. Gemini 3.6 Flash en Gemini 3.8 Flash staan boven Gemini 3.1 Pro voor coderen en agentisch werk tegen lagere kosten, daarom beschreef een technische review van de 3.1 Pro-release het als beslist vorige generatie. De AA-pagina zelf vermeldt het op rang 71 van 202 qua intelligentie.

Het model van Xiaomi bevindt zich in de tegenovergestelde positie. Het kwam deze week uit, de gewichten zijn vrijgegeven onder de MIT-licentie, en de serving-eigenschappen zijn het sterkste punt ervan. Met 134,3 outputtokens per seconde staat het op de elfde plaats van de 114 modellen die op snelheid zijn gemeten, en met 2,15 seconden tot het eerste token is het ongeveer dertig keer sneller dan de 63,62 seconden van Gemini 3.1 Pro Preview. Voor een interactieve toepassing is dat geen beslissende factor. Het is het verschil tussen een product en een demo, en het is het getal dat op een benchmarktabel waarschijnlijk het vaakst onzichtbaar is.

Waar het geld daadwerkelijk naartoe gaat

Rekenwerk per token onderschat het verschil tussen deze twee, omdat de modellen niet hetzelfde aantal tokens verbruiken om hetzelfde werk te doen. Het zuiverder cijfer is wat Artificial Analysis mat om zijn volledige Intelligence Index tegen elk model te draaien: $206,66 voor MiMo-V2.6-Pro en $1.310,21 voor Gemini 3.1 Pro Preview. Dezelfde suite, dezelfde harness, op dezelfde manier gemeten — een verschil van 6,3x op een identieke takenreeks, en een verschil dat al rekening houdt met het feit dat redeneermodellen veel tokens uitstoten tijdens het denken. Gemini 3.1 Pro Preview genereerde 67 miljoen outputtokens over de hele index; de mediaan voor modellen in zijn prijsklasse is 90 miljoen, dus het is per punt zelfs zuiniger dan zijn soortgenoten, en toch kost het zes keer meer om te evalueren dan het Xiaomi-model.

Zet er dan een productielus tegenaan. Een agentrun van 30 stappen die per stap 200.000 tokens context leest en 2.000 tokens per stap schrijft, is 6 miljoen inputtokens en 60.000 outputtokens per run. Bij Gemini 3.1 Pro Preview onder de 200K-tier is dat $12,00 aan input en $0,72 aan output — $12,72 per run. Bij MiMo-V2.6-Pro is dat $2,58 en $0,05 — $2,63. Kom je op het Google-model boven de 200.000 tokens input, dan verdubbelt het inputtarief naar $4,00, en op dat punt kost dezelfde lus $24,00 vóór output. Caching verandert beide getallen, maar een korting van 99% op een goedkoop model tegenover een cache-read van $0,20 op een duur model laat het dure model een orde van grootte vooropliggen op een contextzware lus.

De routeringsvraag, eerlijk gesteld

Dit is het deel dat makkelijk fout gaat. Gemini 3.1 Pro Preview staat op OrcaRouter als google/gemini-3.1-pro-preview, bereikbaar via één OpenAI-compatibele sleutel tegen de lijstprijs van de provider met 0% opslag — dus een prijswijziging van Google is bij ons dezelfde dag live in plaats van bij de volgende factureringscyclus. Xiaomi MiMo-V2.6-Pro staat niet op OrcaRouter. Geen enkel Xiaomi-model staat erop, en dat ronduit zeggen is nuttiger dan een modelpagina de indruk te laten wekken dat het anders is. Het vandaag bereiken betekent het eigen platform van Xiaomi of een van de catalogi van derden die het vermelden.

Die asymmetrie is precies waarom een router hier een plek verdient in plaats van een voetnoot te zijn. De twee modellen concurreren niet om dezelfde verzoeken. Gemini 3.1 Pro Preview is de incumbent waarvoor je mogelijk al betaalt, en de vraag die deze pagina beantwoordt, is of het nieuwe goedkope model een deel van zijn verkeer kan overnemen. Die test goed uitvoeren betekent je eigen prompts naar beide sturen en de antwoorden vergelijken, niet een index lezen — en dat doen door een tweede contract, een tweede sleutel en een tweede factuurrelatie te openen, is de frictie waardoor de test nooit plaatsvindt. Eén sleutel, beide rijstroken waar wij ze routeren, en de vergelijking wordt een configuratiewijziging. Automatische failover dekt de andere helft: een previewmodel kan met weinig vooraankondiging worden ingetrokken of aan rate limits worden onderworpen, en een tweede rijstrook achter hetzelfde endpoint is wat dat van een storing in een routeringsbeslissing verandert.

Welke moet je pakken?

Kies Gemini 3.1 Pro Preview wanneer de taak native PDF- en audio-invoer vereist, wanneer je al binnen het ecosysteem van Google werkt, of wanneer je specifiek het gedrag van dat model nodig hebt en kunt leven met het risico dat een preview-endpoint wordt uitgefaseerd. De tijd tot het eerste token van 63 seconden betekent dat het in de praktijk een model is voor batch- en offlineworkloads, wat de marketing ook zegt over interactiviteit.

Kies MiMo-V2.6-Pro wanneer volume de beperkende factor is, wanneer de lus contextzwaar en repetitief is, wanneer je de gewichten op je eigen hardware wilt — MIT staat commerciële inzet, aanpassing en verdere training toe — of wanneer de latentie van het eerste token deel uitmaakt van het product. Het is het zeldzame geval van een goedkoop model dat ook nog eens het snelle is, en die combinatie is meer waard dan de zestien indexpunten suggereren.

Wat dit beeld zou veranderen, is een niet-preview opvolger van Gemini 3.1 Pro, of een onafhankelijke reproductie van de DeepSWE-cijfers die Xiaomi met zijn eigen harness heeft gepubliceerd — 72,57 voor Pro, 65,68 voor Flash, een verschuiving van respectievelijk 58,4 en 48,8 gedurende de reinforcement-learning-run. Die cijfers zijn door de leverancier gerapporteerd, geëvalueerd op Xiaomi's grader met mini-swe-agent bij het gemiddelde van drie, en niet ingediend bij een publiek leaderboard. Totdat iemand ze opnieuw uitvoert, is de Artificial Analysis 46 het cijfer om te noemen, en dat is gemeten met dezelfde meetlat als de 30.

OrcaRouter zet 200+ modellen achter één OpenAI-compatibel endpoint tegen de listprijs van de provider met 0% opslag, zodat een prijswijziging van een leverancier dezelfde dag nog live is.