MiMo-V2.6-Pro vs GPT-5.6 Sol: één indexpunt, tweeëntwintig keer het gemengde tarief

Op de Artificial Analysis Intelligence Index v4.3.2, gelezen op 22 september 2026, scoort GPT-5.6 Sol van de leverancier bij maximale inspanning 47 en Xiaomi's MiMo-V2.6-Pro scoort 46. Eén punt. De gemengde tarieven die Artificial Analysis voor de twee publiceert — een 7:2:1-mix van cache-hit, input en output — zijn $3,08 voor GPT-5.6 Sol en $0,18 voor MiMo-V2.6-Pro. Tweeëntwintig keer zoveel geld voor één indexpunt is de hele vorm van deze confrontatie, en de interessante vraag is niet of het punt het waard is. Het is in welke specifieke requests het punt zit, want het aggregaat vertelt je dat niet.

Wat het paar überhaupt de moeite van het vergelijken waard maakt, is dat ze niet duidelijk in dezelfde categorie vallen. GPT-5.6 Sol is een propriëtair frontiermodel met een multi-agentmodus en een bijpassende prijslijst. Xiaomi MiMo-V2.6-Pro is een open-weights checkpoint onder MIT-licentie, uitgebracht op 22 september 2026, met de reinforcement-learning-repositories die een dag eerder online kwamen, en met een prijs alsof het om een model uit het middensegment gaat. Dat een open model met een biljoen parameters binnen één punt van OpenAI's vlaggenschip uitkomt, is het nieuws. Wat je met dat feit doet, is een aparte beslissing.

De twee modellen, eenvoudig gezegd

GPT-5.6 Sol werd op 9 juli 2026 uitgebracht als het vlaggenschip van de GPT-5.6-familie, naast Terra en Luna, en OpenAI stuurt de kale gpt-5.6-alias ernaartoe. Het is propriëtair, accepteert tekst- en beeldinvoer en retourneert tekst, ondersteunt reasoning effort van none tot en met xhigh plus een "ultra"-multi-agentmodus die exclusief is voor Sol, en heeft een kennisafsluitdatum van februari 2026. De lijstprijs is $4,00 per miljoen inputtokens en $20,00 per miljoen outputtokens op de first-party-API van OpenAI, met gecachte input voor $0,50 en een contextvenster van 1M tokens. Artificial Analysis mat 77,3 outputtokens per seconde en 127,21 seconden tot de eerste token, tegen een kostprijs van $3.464,84 om de volledige index te draaien.

Xiaomi MiMo-V2.6-Pro is een sparse mixture-of-experts-model met in totaal 1,02 biljoen parameters en 42 miljard geactiveerd per token, met een contextvenster van 1M tokens en native multimodaliteit voor tekst, afbeelding, video en audio. Xiaomi handhaafde de prijsstelling van de vorige generatie in plaats van het nieuwe checkpoint duurder te prijzen, waardoor een model van deze omvang op $0,43 en $0,87 per miljoen tokens staat met 99% cachekorting. Artificial Analysis mat 134,3 outputtokens per seconde, 2,15 seconden tot het eerste token en $206,66 om de index te draaien — $0,13 per taak.

• Gewichten — MiMo-V2.6-Pro MIT-gelicenseerd en downloadbaar; GPT-5.6 Sol propriëtair, alleen API

• Parameters — MiMo-V2.6-Pro 1.02T totaal / 42B actief; GPT-5.6 Sol niet bekendgemaakt

• Context — beide 1M tokens; GPT-5.6 Sol beperkt de uitvoer tot 128K

• Modaliteit — MiMo-V2.6-Pro accepteert tekst, afbeelding, video en audio; het gepubliceerde invoeroppervlak van GPT-5.6 Sol is tekst en afbeelding

• Lijstprijs — MiMo-V2.6-Pro $0,43 / $0,87 per 1 miljoen; GPT-5.6 Sol $4,00 / $20,00, gecachte invoer $0,50

• Gemengd tarief — MiMo-V2.6-Pro $0,18 per 1M; GPT-5.6 Sol $3,08

Gemeten kosten per indextaak — MiMo-V2.6-Pro $0,13; GPT-5.6 Sol $3.464,84 voor de volledige index

• Snelheid — MiMo-V2.6-Pro 134,3 outputtokens per seconde; GPT-5.6 Sol 77,3

• Tijd tot eerste token — MiMo-V2.6-Pro 2,15 seconden; GPT-5.6 Sol 127,21 seconden

• Redeneerbesturing — GPT-5.6 Sol biedt none/laag/medium/hoog/xhigh/max plus een ultra multi-agentmodus; MiMo-V2.6-Pro publiceert geen gelijkwaardige niveauladder

Waar het ene punt daadwerkelijk zit

Een verschil van één punt op een samengestelde score van tien evaluaties is een afrondingsfout op geaggregeerd niveau en een kloof op componentniveau. De suite omvat 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 — redeneren, kennis, wiskunde en programmeren — en geen van beide leveranciers publiceert een uitsplitsing per evaluatie voor deze twee modellen. Dat ontbreken is een echte beperking aan beide zijden van deze pagina en het is de moeite waard om dat te zeggen in plaats van te verdoezelen met een samengestelde score.

Wat er vastligt, is richtinggevend, en het wijst op agentisch werk als de plek waar de kloof zich concentreert. Het lanceringsmateriaal van GPT-5.6 Sol meldt 53,6% op Agents' Last Exam, een langlopende evaluatie van professionele workflows die 55 vakgebieden bestrijkt, die OpenAI als een nieuw hoogtepunt omschreef; 64,6% op SWE-Bench Pro; 88,8% op Terminal-Bench 2.1; en 62,6% op OSWorld 2.0 voor computergebruik. De BrowseComp-score van 90,4% stijgt naar 92,2% in de ultra-modus die vier parallelle subagenten draait tegen ongeveer vier keer de tokenkosten. Dat zijn leverancierscijfers op leveranciersharnassen, en het gebruikelijke voorbehoud geldt voor elk ervan — maar het zijn de categorieën waar een samengestelde kloof van één punt het minst waarschijnlijk gelijkmatig verdeeld is, en Xiaomi publiceert geen vergelijkbare agentische uitsplitsing voor MiMo-V2.6-Pro.

Het tegenwicht is dat de eigen leverancierscijfers van MiMo-V2.6-Pro in een totaal andere taakfamilie liggen. Xiaomi meldt dat het model tijdens zijn reinforcement-learning-run op DeepSWE v1.1 van 58,4 naar 72,57 gaat, geëvalueerd met mini-swe-agent op basis van het gemiddelde van drie op Xiaomi's eigen grader en nooit ingediend bij een openbaar scorebord. 72,57 naast welk Sol-cijfer dan ook plaatsen zou een vergelijking verzinnen die niet bestaat. Het enige getal waartegen beide modellen daadwerkelijk door dezelfde evaluator zijn afgezet, is de 46 en de 47.

De kostenvergelijking, goed uitgevoerd

Rekenkunde per token onderschat de kloof, omdat de twee modellen niet hetzelfde aantal tokens verbruiken om dezelfde taak te voltooien. Het eerlijke enkele cijfer is wat Artificial Analysis heeft gemeten om zijn volledige index op elk model te draaien: $206,66 voor MiMo-V2.6-Pro en $3.464,84 voor GPT-5.6 Sol. Dezelfde suite, dezelfde harness, identiek gemeten — een verschil van 16,8x op een gecontroleerde set taken, en een dat al verdisconteert dat Sol een redeneermodel is dat tokens genereert om te denken.

Nu een productielus. Een agent-run van 30 stappen die per stap 200.000 tokens context leest en per stap 2.000 tokens schrijft, is 6 miljoen input- en 60.000 outputtokens per run. Bij GPT-5.6 Sol tegen lijsttarief is dat $24,00 aan input en $1,20 aan output — $25,20 per run vóór caching. Bij MiMo-V2.6-Pro is dat $2,58 en $0,05 — $2,63. Caching verandert beide: de gecachte input van Sol geprijsd op $0,50 tegenover de korting van 99% van MiMo-V2.6-Pro laat het dure model nog steeds een orde van grootte vooropstaan in een contextzware lus, precies de lus die een agent uitvoert.

De latentiehelft van de vergelijking is scherper dan de prijshelft en krijgt minder aandacht. GPT-5.6 Sol mat 127,21 seconden tot het eerste token. MiMo-V2.6-Pro mat 2,15. Dat is een negenenvijftigvoudig verschil, en het is het getal dat bepaalt of een interactief product überhaupt mogelijk is. Sol op maximale inspanning is in de praktijk een batchmodel — je dient in, je wacht, je komt terug. Als je applicatie blokkeert op het eerste token, is de keuze al voor je gemaakt, wat de index ook zegt.

Eén sleutel, beide rijstroken

Beide modellen zijn bereikbaar via één OrcaRouter-sleutel tegen de listprijs van de provider met 0% opslag — GPT-5.6 Sol als openai/gpt-5.6-sol, wat onze eigen route ernaartoe is. Omdat we de listprijs van de provider zonder opslag doorgeven, is een prijswijziging aan beide zijden dezelfde dag aan onze kant live in plaats van te wachten op een nieuwe prijsopgave.

De routing-DSL is waar deze combinatie interessant wordt in plaats van louter handig. Twee modellen die één indexpunt van elkaar verschillen, waarvan het ene per taak zestien keer zoveel kost, zijn geen alternatieven om uit te kiezen — het is een configuratie met twee rijstroken. Stuur het grootste deel van een workload naar de goedkope rijstrook en leid de staart naar de dure op basis van een predicaat dat u zelf definieert: verzoeken die een zelfcontrole niet doorstaan, verzoeken die aan een complexiteitsregel voldoen, verzoeken waarvan de faalkosten de tokenkosten zodanig overschrijden dat het punt een goedkope verzekering is. Failover is de andere helft ervan. Sol wordt breed aangeboden; MiMo-V2.6-Pro is deze week gelanceerd en werd door één enkele API-provider vermeld toen Artificial Analysis het vastlegde, wat een dunne route is voor een model dat je in een productiepad zou zetten. Een router die kan terugvallen, is wat de goedkope rijstrook veilig maakt om te adopteren, en het is ook wat de dure rijstrook optioneel maakt in plaats van verplicht.

Welke moet je kiezen?

Kies GPT-5.6 Sol wanneer de faalkosten van de taak de tokenkosten doen verbleken — agentisch werk met een lange tijdshorizon en echte neveneffecten, computer-use-automatisering, toolgebruik waarbij een verkeerde aanroep erger is dan een langzame, alles waarbij je al een mens betaalt om de output te controleren. De index-run van $3.464,84 is geen reden om het te vermijden; het is de prijs van de tier, en de tier bestaat met een reden.

Kies MiMo-V2.6-Pro wanneer volume de beperkende factor is, wanneer de werklast contextzwaar en repetitief is, wanneer je de latentie van de eerste token laag genoeg wilt hebben om een mens te laten wachten, wanneer je de gewichten in je eigen infrastructuur wilt — MIT staat commerciële inzet, wijziging en verdere training toe — of wanneer de unit economics alleen werken bij een vijfde cent per duizend tokens. De 134,3 tokens per seconde maken het interactief bruikbaar op een manier waarop de meeste open modellen met een biljoen parameters dat niet zijn, en dat is een capaciteit, geen korting.

Kies beide als je een router hebt, want het eerlijke antwoord op "welke is beter" is dat een samengesteld verschil van één punt geen oordeel is — het is een meting van hoe vergelijkbaar ze gemiddeld zijn en hoe verschillend ze waarschijnlijk in de staart zijn. De faalmodus die je moet vermijden, is standaardiseren op het goedkope model omdat de verhouding 22x is, in maand drie ontdekken dat een klasse van verzoeken het dure nodig heeft, en geen pad hebben om het daarheen te routeren. De spiegelbeeldige fout is Sol-tarieven betalen voor een samenvattingsopdracht die een 46-indexmodel identiek afrondt. Geen van beide is een modelprobleem. Beide zijn configuratie, en configuratie is het deel dat je op een dinsdagmiddag kunt wijzigen.

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.