Een gegenereerde titelkaart met de tekst Qwen4-Max vs MiMo v2.6 Pro, met de ondertitel Dertien punten, twaalf keer de rekening, en drie chips met de tekst kosten per taak $3.27 tegen $0.26, index v5.0.1 43 tegen 30, en gesloten gewichten tegen MIT.
Guides & Insights

Qwen4-Max vs MiMo v2.6 Pro: dertien indexpunten voor twaalf keer de rekening

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

MiMo v2.6 Pro is het goedkoopste model in deze hele reeks vergelijkingen en Qwen4-Max niet, wat klinkt als het begin van een prijsdiscussie maar in feite het einde ervan is. Xiaomi's vlaggenschip heeft een lijstprijs van $0,435 per miljoen inputtokens en $0,87 per miljoen output. Alibaba's model staat in Singapore genoteerd op $1,50 en $4,50. Op output is dat 5,2×, en op de door Artificial Analysis gemeten kosten per voltooide Intelligence Index-taak is het verschil nog groter: $0,26 voor MiMo v2.6 Pro tegen $3,27 voor Qwen4-Max, ofwel 12,6×.

De reden dat dat niet het hele verhaal is, is dat de scoresrij dezelfde kant op beweegt. Qwen4-Max scoort 43 op de Index v5.0.1; MiMo v2.6 Pro scoort 30. De vraag die deze pagina dus moet beantwoorden is niet welke goedkoper is — daaraan is bij de twee modellen niets onduidelijk — maar of dertien indexpunten twaalf keer het geld waard zijn, en voor welke taken het antwoord omslaat.

Wat elk model is, en wie het kan draaien

MiMo v2.6 Pro is het vlaggenschip-checkpoint van Xiaomi's MiMo-V2.6-serie: een sparse mixture-of-experts met ongeveer 1,02 biljoen parameters in totaal en 42 miljard actief per token, 70 lagen waarvan 60 sliding-window en 10 globaal, 384 gerouteerde experts waarvan 8 geactiveerd, een context van 1M tokens en 128.000 tokens uitvoer. Het accepteert tekst, beeld, video en audio in één model — een vision-encoder met 681M parameters en een aparte audio-tokenizer behandelen de niet-tekstuele kant — en het is omnimodaal op een manier waarop Qwen4-Max dat niet is. De gewichten staan op Hugging Face onder MIT, zonder toegangsbeperking, en er is een 5-laagse multi-token-prediction-drafter bijgevoegd voor speculatieve decoding.

Qwen4-Max is het gesloten vlaggenschip van Alibaba's Qwen 4-lijn, algemeen beschikbaar sinds 16 november 2026: in totaal 2,4 biljoen parameters, 71 miljard actief per token plus 328 miljard N-gram-embeddingparameters, Gated DeltaNet en een sparse-attentionindexer in de architectuur, een context van 1M tokens met een invoerplafond van 991.808 tokens en 262.144 tokens gedeeld tussen het denken en het antwoord. Invoer is tekst, afbeelding en video. Uitvoer is tekst. Er zijn geen gewichten, voor geen enkele prijs.

Die laatste zin is het structurele verschil, en hij weegt zwaarder dan elke benchmark op deze pagina. Het ene model kun je huren bij een leverancier. Het andere kun je huren, downloaden, fine-tunen, kwantiseren, op je eigen hardware hosten, vastzetten op een versie die je zelf beheert, en blijven draaien nadat de leverancier zijn prijzen wijzigt of de endpoint buiten gebruik stelt. Voor een gereguleerde inkoper of een team dat is geschaad door een deprecatie is dat geen functie in een overzicht — het is de hele beslissing, en het maakt de indexkloof een secundaire overweging.

Het scorebord, met de tokenaantallen die het verklaren.

Elk cijfer hieronder is afkomstig van Artificial Analysis op Index v5.0.1 bij de hoogste inspanningsinstelling van elke leverancier, of van de eigen kaarten van de leveranciers. Niets daarvan is hier overgenomen.

• Index — Qwen4-Max 43 vs MiMo v2.6 Pro 30. Dertien punten, en beide staan in het midden van een ranglijst waarvan de mediaan 43 is.

• Invoerprijs — $1,50 in Singapore en $1,413 elders voor Qwen4-Max vs. $0,435 voor MiMo v2.6 Pro.

• Outputprijs — $4,50 versus $0,87. De 5,2× is hier de grootste afzonderlijke multiplier in de vergelijking en degene waarmee de meeste tariefkaartreviews beginnen.

• Cache-lezen — $0,075 per miljoen voor Qwen4-Max versus $0,0036 voor MiMo v2.6 Pro. Eenentwintig keer goedkoper op de ene kostenpost die lange agentruns domineert.

• Kosten per indextaak — $3,27 vs $0,26. De 12,6× is groter dan elk van beide prijsratio's, omdat Qwen4-Max ook iets minder tokens genereert (127M tegen 131M), tegen een veel hoger tarief.

• Tijd per indextaak — 32,1 minuten versus 34,6, bij een mediaan van 11,5 minuten. Beide worden door de tracker als opvallend traag beschreven; er valt hier geen snelheidsargument te maken.

• Uitvoersnelheid — 54,5 tokens per seconde vs 58,3. Nagenoeg gelijk, en beide blijven ver achter bij het bereik van 85 tot 172 dat de gesloten flagships bezetten.

• Context en uitvoer — 1M invoer bij beide. Qwen4-Max beperkt niet-denkende uitvoer tot 131.072 en deelt 262.144 tussen redenering en antwoord; MiMo v2.6 Pro documenteert een vaste 128.000.

• Modaliteit — tekst, afbeelding, video voor Qwen4-Max; tekst, afbeelding, video en audio voor MiMo v2.6 Pro.

• Gewichten — geen versus MIT, zonder toegangsbeperking, op Hugging Face, met SGLang- en vLLM-opstartrecepten gepubliceerd op de kaart.

A screenshot of the Artificial Analysis page for MiMo-V2.6-Pro captured 18 November 2026 with an English interface, showing the Xiaomi provider tag and an open-weights badge, an Intelligence Index score of 30, $0.43 input and $0.87 output per million tokens, $0.26 per task, 131M output tokens, 58 tok/s, 34.6 minutes per task and a 1M context window.

Dertien punten, correct geprijsd

De gemakzuchtige lezing van een verschil van 12,6× per taak tegenover een indexverschil van dertien punten is dat Xiaomi capaciteit verkoopt voor een fractie van de prijs en dat Alibaba een merkoplag rekent. Die lezing is onjuist, maar dat geldt ook voor de reflexmatige correctie dat dertien indexpunten altijd elke multiplier rechtvaardigen.

Begin met wat een punt oplevert. De Intelligence Index is een gewogen gemiddelde van negen evaluaties over agentisch kenniswerk, terminalcodering, opensource-software-engineering, documentredenering, natuurkunde en wetenschappelijke workflows. Een model op 43 haalt de mediaan; een model op 30 niet, en de faalmodus op 30 is meestal niet "verkeerde antwoorden", maar "doet de makkelijke 70% en geeft het op bij de moeilijke 30%" — lange ketens van toolgebruik, refactors over meerdere bestanden, vragen die drie rekenstappen op geëxtraheerde waarden vereisen. Als je workload retrieval, classificatie, extractie of samenvatting is, dan zijn dat precies de taken waar de kloof kleiner wordt en de prijs van MiMo v2.6 Pro ronduit wint. Als je workload een autonome agent is die twintig tool calls doet tegen een live systeem, dan loopt de kloof per stap op, en een model dat de keten bij beurt veertien laat vallen, heeft je de run gekost, ongeacht wat de tokens kosten.

Bereken de multiplier dan op de juiste manier. Bij $3,27 per indextaak tegenover $0,26 is duizend agentruns per dag $3.270 tegenover $260, of ruwweg $90.000 per maand tegenover $7.200. Dat is het getal dat bepaalt of de dertien punten betaalbaar zijn, en het is ook het getal dat de vergelijking oneerlijk maakt voor Xiaomi, omdat de runs die Qwen4-Max voltooit en MiMo v2.6 Pro laat vallen niet dezelfde duizend runs zijn. Een kostprijs per taak vergelijkt alleen gelijk met gelijk wanneer beide modellen klaar zijn.

A generated two-column scoreboard titled Qwen4-Max vs MiMo v2.6 Pro - the scoreboard, with six rows reading index 43 against 30, cost per task $3.27 against $0.26, input price $1.50 against $0.435, output price $4.50 against $0.87, cache read $0.075 against $0.0036, and weights closed against MIT, ungated.

De rij waarin MiMo v2.6 Pro wint op capaciteit, niet op prijs

Audio. MiMo v2.6 Pro verwerkt het native, via een 308M AudioTokenizer en een 127M audio-patch-encoder, in hetzelfde model dat tekst, beeld en video verwerkt. Qwen4-Max documenteert tekst-, beeld- en video-invoer en geen audiopad. Voor een pipeline die gespreksopnamen, vergaderaudio of uitzendmateriaal transcript en erover redeneert, haalt die ene rij Qwen4-Max tegen elke prijs van tafel, en dat doet het op een model dat $0,87 per miljoen outputtokens kost.

De open gewichten zijn op dezelfde praktische manier van belang voor een andere koper. Een team dat een vast checkpoint nodig heeft voor audit, een domeinspecifieke fine-tune, een on-premise deployment of een kostenstructuur zonder enige per-tokenmeter kan de repository van MiMo v2.6 Pro nemen en stoppen met betalen aan wie dan ook. Die optie bestaat niet aan de Qwen-kant, en geen enkel aantal indexpunten kan daarvoor in de plaats komen.

Waar het specificatieblad van het goedkope model dunner wordt

Twee rijen op de MiMo-kaart zijn het signaleren waard, want dat zijn de rijen die later geld kosten.

De eerste is het uitvoerplafond. Een vast maximum van 128.000 tokens is prima voor chat en analyse en mager voor generatie met lange decodes — één syntheseklus van 200.000 tokens wordt afgekapt, en afkapping tijdens een agentische run betekent meestal een nieuwe poging in plaats van een korter antwoord. Het gedeelde budget van 262.144 tokens van Qwen4-Max is ook niet royaal, maar het is tweemaal het plafond.

Het tweede is de consistentie van de specsheet zelf. De MiMo-kaart beschrijft de drafter voor speculatieve decoding zowel aan de hand van het aantal lagen als van het aantal tokens dat hij per forward pass voorspelt, en alleen het eerste komt voor in de architectuurtabel. Dat is een klein detail, en het is het soort klein detail dat verraadt dat de kaart in haast in elkaar is gezet. Xiaomi publiceert ook geen eigen doorvoer- of geheugencijfer voor de checkpoint; elk snelheidscijfer dat de ronde doet, inclusief de hierboven genoemde 58,3 tokens per seconde, is afkomstig van een derde partij die hardware meet die niet van jou is.

Qwen4-Max heeft het tegenovergestelde probleem: een zeer complete leverancierskaart waarop een kennisafsluitdatum opvallend ontbreekt, voor een model dat wordt verkocht voor document- en videobegrip. Beide kaarten vereisen dezelfde discipline — vertrouw de architectuur, test het gedrag.

De vergelijking uitvoeren zonder het werk te verdubbelen

OrcaRouter biedt MiMo v2.6 Pro aan als xiaomi/mimo-v2.6-pro, tegen de adviesprijs van Xiaomi met 0% doorberekende opslag, op dezelfde sleutel en hetzelfde OpenAI-compatibele endpoint als de rest van de catalogus. Qwen4-Max wordt niet aangeboden; dat model is beschikbaar via de eigen Model Studio API van Alibaba en diverse platforms van derden.

A screenshot of the OrcaRouter model page for xiaomi/mimo-v2.6-pro captured 18 November 2026 with an English interface, showing the Xiaomi breadcrumb, the xiaomi/mimo-v2.6-pro identifier, text, image, video and audio input with vision, audio, tools, JSON and reasoning, a 131K max output, and a description of it as the flagship of the open-source MiMo V2.6 family.

Die asymmetrie is eigenlijk juist handig voor deze specifieke beslissing, want het eerste wat een team moet doen is helemaal niet kiezen tussen deze twee — het is vaststellen of de dertien punten van belang zijn voor de eigen prompts. MiMo v2.6 Pro is op dit platform goedkoop genoeg om als baseline te draaien over een echte evalset zonder budgetgesprek: bij $0,26 per indextaak kost een sweep van 5.000 prompts minder dan een teamlunch. Draai dat eerst, kijk waar het faalt, en beslis dan of die fouten de fouten zijn die de extra capaciteit van Qwen4-Max oplost. Routing DSL maakt het antwoord operationeel — stuur de klassen die MiMo aankan naar MiMo en de rest ergens anders heen — en automatische failover betekent dat het goedkope model de standaard kan zijn zonder het enige pad te zijn.

De vergelijking, één keer en zonder voorbehoud: MiMo v2.6 Pro is de juiste standaardkeuze voor alles met een prijsplafond, alles waarvoor audio nodig is, alles wat op je eigen hardware moet draaien, en alles waarbij een kostenvoordeel van 12,6× opweegt tegen dertien indexpunten. Qwen4-Max is de juiste keuze voor agentisch werk waarbij afgebroken ketens de faalmodus zijn, voor taken die meer dan 128.000 tokens output vereisen, en voor teams die de regionale metering van Alibaba willen — $1,413 en $4,24 in Frankfurt, Virginia en Tokio, met batch-inferentie in Peking. Geen van beide is een fout. De fout is kiezen op basis van de tariefkaart, waar het antwoord voor de hand lijkt te liggen en de rekensom die ertoe doet 12,6× tegen dertien punten is, niet $0,87 tegen $4,50.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt