MiMo-V2.6-Pro vs GLM-5.2: twee open-weight MoE's, en de benchmark die je niet mag aftrekken

De meest luie versie van deze vergelijking zet Xiaomi MiMo-V2.6-Pro's 72,57 naast GLM-5.2's 46,2, noemt het een overwinning van 26 punten, en publiceert. Dat is onjuist om een reden die niets te maken heeft met welk model beter is: die twee getallen zijn niet dezelfde meting. Xiaomi's 72,57 is het gemiddelde van drie op zijn eigen harness met mini-swe-agent en is nooit ingediend bij een openbaar leaderboard; de 46,2 is een Pass@1-cijfer uit een heel andere harness. De eerlijke vergelijking tussen Xiaomi MiMo-V2.6-Pro en GLM-5.2 is een andere, op een meetlat waartegen beide daadwerkelijk zijn getest — en op die meetlat is het verschil reëel, maar het is twaalf punten, niet zesentwintig.

Op de Artificial Analysis Intelligence Index v4.3.2, uitgelezen op 22 september 2026, scoort Xiaomi MiMo-V2.6-Pro 46. GLM-5.2 scoort 34. Het zijn beide open-weights mixture-of-experts-modellen van Chinese labs, beide hebben een contextvenster van 1M tokens, en beide zijn goedkoop genoeg geprijsd dat de keuze tussen hen draait om capaciteit en serving, niet om budget. Daar houdt de gelijkenis op, want GLM-5.2 is door zijn eigen maker opgevolgd, en de pagina waarop deze vergelijking staat, bevat een deprecatiebericht.

Wat elk model is, en in welke staat het zich bevindt

GLM-5.2 is het vlaggenschipmodel van Z.ai, uitgebracht op 16 juni 2026. Het is een mixture-of-experts-transformer met ongeveer 753 miljard totale parameters, waarvan ongeveer 40 miljard actief per token, en er werd gemeld dat het volledig is getraind op Huawei Ascend-versnellers in plaats van op Nvidia-hardware. Het wordt geleverd met open gewichten onder de MIT-licentie, met FP8- en INT4-kwantisaties, ondersteunt een context van 1 miljoen tokens met maximaal 131.072 tokens uitvoer, en kost $1,40 per miljoen invoertokens en $4,40 per miljoen uitvoertokens op Z.ai's eigen API, met gecachte invoer tegen $0,26 en een gemengd tarief van $0,90. Artificial Analysis mat 72,6 uitvoertokens per seconde en 5,98 seconden tot de eerste token, tegen een kostprijs van $1.559,05 om de volledige index te draaien.

Xiaomi MiMo-V2.6-Pro werd op 22 september 2026 algemeen beschikbaar, waarbij de repositories met reinforcement-learning-checkpoints een dag eerder verschenen. Het is een sparse mixture-of-experts-model met 1,02 biljoen totale parameters en 42 miljard geactiveerde parameters per token — een groter totaal dan GLM-5.2 en een vrijwel identiek aantal geactiveerde parameters — met een contextvenster van 1M tokens, native multimodaliteit voor tekst, afbeelding, video en audio, en MIT-gelicentieerde gewichten. Xiaomi handhaafde de prijsstelling van de vorige generatie in plaats van de prijs te verhogen, dus het noteert $0,43 en $0,87 per miljoen tokens met een cachekorting van 99% en een blended tarief van $0,18.

• Gewichten — zowel MIT-gelicenseerd als downloadbaar; dit is de enige categorie waarin de twee werkelijk gelijk zijn

• Actieve parameters — MiMo-V2.6-Pro 42B per token; GLM-5.2 ongeveer 40B. Vrijwel identiek, waardoor het scoreverschil eerder een resultaat van training is dan van schaal

• Totaal aantal parameters — MiMo-V2.6-Pro 1,02T; GLM-5.2 ongeveer 753B

• Indexscore — MiMo-V2.6-Pro 46; GLM-5.2 34, beide op Artificial Analysis v4.3.2

• Lijstprijs — MiMo-V2.6-Pro $0,43 / $0,87 per 1 miljoen; GLM-5.2 $1,40 / $4,40, gecombineerd $0,18 tegenover $0,90

• Kosten voor het draaien van de index — MiMo-V2.6-Pro $206,66; GLM-5.2 $1.559,05

• Snelheid — MiMo-V2.6-Pro 134,3 outputtokens/seconde; GLM-5.2 72,6

• Tijd tot eerste token — MiMo-V2.6-Pro 2,15 seconden; GLM-5.2 5,98 seconden

• Status — MiMo-V2.6-Pro actueel en GA; GLM-5.2 afgeschaft op Artificial Analysis, dat deze nu alleen benchmarkt bij de standaardworkload van 10k input

De deprecatiewaarschuwing is de kop

Z.ai heeft inmiddels GLM-5.3 uitgebracht, en de Artificial Analysis-pagina voor GLM-5.2 zegt dat rechtstreeks: het model wordt als verouderd gemarkeerd en verdere benchmarkwerkzaamheden worden beperkt tot één enkele standaardworkload. Dat verandert waarvoor deze pagina bedoeld is. Als je vandaag een nieuw model kiest, is de confrontatie die er echt toe doet MiMo-V2.6-Pro tegen GLM-5.3, niet GLM-5.2 — en op dezelfde v4.3.2-index scoort GLM-5.3 bij maximale inspanning 45 tegen 46 voor MiMo-V2.6-Pro. Eén punt. Dat is een echte strijd, en het is een totaal ander artikel.

De vergelijking met GLM-5.2 is nog steeds de moeite waard, om één specifieke reden: het is de goedkoopst denkbare illustratie van hoe snel de open-weights-frontier zich tussen juni en september 2026 heeft verplaatst. Twaalf indexpunten in ongeveer veertien weken, terwijl het aantal actieve parameters vrijwel ongewijzigd bleef. Wat die winst ook heeft veroorzaakt, schaal was het niet.

Waar GLM-5.2 goed in was, en of dat nog steeds zo is

Het lanceermateriaal van GLM-5.2 was toonaangevend op het gebied van coderen en langdurig agentisch werk, en die cijfers houden nog steeds stand als beschrijving van het model: SWE-bench Pro op 62,1 tegen 58,4 voor GLM-5.1, Terminal-Bench 2.1 op 81,0 tegen 63,5, en FrontierSWE op 74,4 tegen 30,5. Aan de kennis- en wiskundekant rapporteerde het GPQA-Diamond op 91,2, AIME 2026 op 99,2 en Humanity's Last Exam op 40,5. Het stond toen bovenaan bij alle modellen op één agentische codeerbenchmark met een lange horizon en tweede op een openbare ranglijst voor webontwikkeling. Dat zijn door de leverancier gerapporteerde cijfers op de eigen evaluatieraamwerken van de leverancier, en het gebruikelijke voorbehoud geldt voor elk ervan.

Xiaomi's eigen gepubliceerde cijfers voor MiMo-V2.6-Pro zijn niet vergelijkbaar met die, en het is de moeite waard om precies te zijn over waarom, in plaats van er slechts vaag naar te verwijzen. Xiaomi rapporteert dat het model op DeepSWE v1.1 van 58,4 naar 72,57 gaat gedurende zijn reinforcement-learning-run, geëvalueerd met mini-swe-agent op average-of-three, op zijn eigen grader, waarbij de run gedocumenteerd is als 30 stappen en ongeveer 750.000 trajecten voltooid in minder dan zes dagen, tegen een gepubliceerde besteding van ongeveer $2,62 miljoen voor het Pro-model. Niets daarvan is een leaderboard-entry. Een leaderboard-entry is een claim over een specifieke configuratie onder vastgestelde omstandigheden die een derde partij kan herhalen, en die van Xiaomi is dat niet. Een aparte tracker vermeldt GLM-5.2 op 46,2 op DeepSWE — Pass@1, een andere metriek op dezelfde taakfamilie — en het naast elkaar zetten van 72,57 en 46,2 om een marge van 26 punten te produceren is rekenen met twee verschillende schalen. Het zou niet gedaan moeten worden, en het is de meest voorkomende fout die over dit tweetal de ronde doet.

Kiezen tussen beide, en de routing die het goedkoop maakt

Als beide open gewichten onder dezelfde licentie zijn, zijn de beslissende factoren wat je kunt draaien en waar je het kunt aanroepen. GLM-5.2 staat op OrcaRouter als z-ai/glm-5.2 — één OpenAI-compatibel endpoint, de lijstprijs van de provider doorgegeven met 0% markup, dus een prijswijziging van Z.ai is bij ons dezelfde dag nog live. Xiaomi MiMo-V2.6-Pro staat niet op OrcaRouter; geen enkel Xiaomi-model staat erop, en er toegang toe krijgen betekent het eigen platform van Xiaomi of een van de catalogi van derden die het aanbieden. We zeggen dat liever dan dat een modelpagina het tegendeel suggereert.

De nuttige consequentie is dat je de gevestigde modellen op één sleutel kunt houden en de nieuwkomer daartegen kunt evalueren zonder een tweede contract. Als MiMo-V2.6-Pro wint op jouw prompts, heb je dat goedkoop geleerd. Als dat niet zo is — en de indexkloof van twaalf punten is kleiner dan de prijskloof per token groot is, dus de uitkomst hangt echt van je werkbelasting af — heb je niets anders verloren dan de test. Het routeren van de twee achter één endpoint met automatische failover weerlegt ook het praktische bezwaar tegen een model dat deze week is gelanceerd: één serveerroute is één single point of failure, en een baan waarop je kunt terugvallen is wat een nieuw model veilig maakt om voor echt verkeer te zetten.

Het korte antwoord

Als je vandaag op GLM-5.2 zit en het werkt, is de upgradevraag niet MiMo-V2.6-Pro — het is GLM-5.3, in dezelfde lijn, met een gat van één punt ten opzichte van het Xiaomi-model en zonder enige migratiekosten. Als je vanaf nul een spoor kiest en open gewichten wilt met de best gemeten score van de drie, dan is de 46 van MiMo-V2.6-Pro het getal, en zijn 134,3 tokens per seconde en $0,13 per indextaak zijn de redenen waarom het geen nipte overwinning is. Als je de veiligste van de drie wilt, is GLM-5.2 het verkeerde antwoord om een reden die niets te maken heeft met hoe goed het in juni was: het is de enige van de drie waarvan de eigen leverancier de ontwikkeling heeft stopgezet.

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.