MiMo-V2.6-Pro stawia otwarte wagi na linii Pareto przy 0,13 USD za zadanie

Xiaomi MiMo-V2.6-Pro został opublikowany na Hugging Face 21 września 2026 r., a liczba, która od tego czasu zaszła najdalej, to 46 — jego wynik w Artificial Analysis Intelligence Index v4.3.2, najwyższy, jaki jakikolwiek model o otwartych wagach odnotował w tym złożonym wskaźniku. Liczba, która decyduje o tym, czy faktycznie możesz go uruchomić, jest mniejsza. Artificial Analysis zmierzyło 0,1332 USD kosztu obliczeń na zadanie Intelligence Index, oceniając MiMo-V2.6-Pro we własnym środowisku testowym, a ta wartość umieszcza model na linii Pareto wykresu Intelligence-versus-Cost-per-Task na tej stronie. Powyżej progu zaokrągleń jest to jedyny model o otwartych wagach na tej linii.

To węższa i bardziej użyteczna teza niż „czołowy model z otwartymi wagami”, tak właśnie ujmowała go większość publikacji o premierze. Zajmowanie pierwszego miejsca na osi inteligencji pokazuje pułap. Obecność na krzywej kosztów pokazuje, czy cokolwiek innego na rynku jest bezwzględnie lepsze w tej cenie. W przypadku Xiaomi MiMo-V2.6-Pro, w chwili pisania tego tekstu, nic takiego nie istnieje.

Co tak naprawdę mierzy linia Pareto

Wykres przedstawia każdy model oceniony przez Artificial Analysis na dwóch osiach: Intelligence Index na jednej, a ważony średni koszt w dolarach wytworzenia jednego zadania indeksu na drugiej. Model na linii Pareto nie może zostać pobity na obu osiach przez żaden pojedynczy inny model — nie można znaleźć czegoś mądrzejszego za mniej. Punkty poniżej i po lewej stronie tej linii są zdominowane i wypadają z niej.

Ponownie obliczyliśmy granicę na podstawie danych osadzonych na wykresie, a nie odczytując linię na oko. Opierając się na 326 modelach, które mają zarówno wynik indeksu, jak i zmierzony koszt na zadanie, obecna granica liczy czternaście punktów:

• Qwen3.5 2B (bez rozumowania) — indeks 6,2, koszt na zadanie zaokrągla się do 0,000 USD, otwarte wagi
• Devstral 2 — indeks 8,6, koszt na zadanie zaokrągla się do 0,000 USD, otwarte wagi
• North Mini Code — indeks 9,9, koszt na zadanie zaokrągla się do 0,000 USD, otwarte wagi
• Claude Sonnet 4.6 (bez rozumowania, wysoki wysiłek) — indeks 24,7, koszt na zadanie zaokrągla się do 0,000 USD, zamknięty
• Grok Build 0.1 0616 — indeks 27,2, koszt na zadanie 0,006 USD, zamknięty
• GPT-5.6 Luna (wysoki) — indeks 32,1, koszt na zadanie 0,044 USD, zamknięty
• GPT-5.6 Luna (bardzo wysoki) — indeks 34,6, koszt na zadanie 0,085 USD, zamknięty
• Xiaomi MiMo-V2.6-Pro — indeks 46,3, koszt na zadanie 0,133 USD, otwarte wagi na licencji MIT
• GPT-6 Astra (średni) — indeks 49,6, koszt na zadanie 1,541 USD, zamknięty
• GPT-6 Astra (wysoki) — indeks 50,9, koszt na zadanie 1,725 USD, zamknięty
• GPT-6 Astra (bardzo wysoki) — indeks 52,4, koszt na zadanie 2,309 USD, zamknięty
• GPT-6 Astra (maksymalny) — indeks 52,7, koszt na zadanie 3,258 USD, zamknięty
• Claude Fable 5.1 (bardzo wysoki, domyślny model zapasowy) — indeks 53,2, koszt na zadanie 5,978 USD, zamknięty
• Claude Fable 5.1 (maksymalny, domyślny model zapasowy) — indeks 53,4, koszt na zadanie 7,630 USD, zamknięty

Z tej listy wynikają trzy rzeczy. Cztery najtańsze punkty to modele, których zmierzony koszt po zaokrągleniu do czterech miejsc po przecinku wynosi zero, więc interesująca część krzywej zaczyna się od Grok Build 0.1 0616. Xiaomi MiMo-V2.6-Pro to prawdziwe kolano na tej krzywej, a nie artefakt zaokrąglenia: kolejny punkt wyżej kosztuje 11,6 razy więcej na zadanie za 3,3 dodatkowego punktu indeksu. A spośród dziesięciu punktów granicznych o niezerowym koszcie dokładnie jeden ma otwarte wagi — i to jest fakt, który skrywa narracja o „najlepszym modelu z otwartymi wagami”. Najbliższy model z otwartymi wagami na osi inteligencji, GLM-5.3 (max) z wynikiem 44,8, nie jest nawet blisko tej linii: kosztuje 2,006 USD za zadanie indeksowe, czyli piętnaście razy więcej niż wynosi wartość dla MiMo-V2.6-Pro. Kimi K3 (max) plasuje się na poziomie 43,6 i 2,000 USD na zadanie.

Cennik się nie zmienił. Rachunek tak.

Xiaomi nie podniosło cen w tej generacji. MiMo-V2.6-Pro kosztuje 0,435 USD za milion tokenów wejściowych i 0,87 USD za milion tokenów wyjściowych, a cena wejściowa przy trafieniu w pamięć podręczną wynosi 0,0036 USD — co daje 99,17% zniżki — czyli obowiązuje ten sam cennik co w poprzednim flagowcu. Przy mieszanym rozliczeniu w proporcji 7:2:1 dla trafień w pamięć podręczną / danych wejściowych / danych wyjściowych daje to 0,1765 USD za milion tokenów.

A jednak koszt uruchomienia Intelligence Index na MiMo-V2.6-Pro wyniósł 206,66 USD, czyli 0,1332 USD na zadanie, podczas gdy ten sam indeks na MiMo-V2.5-Pro kosztował 0,054 USD na zadanie. Artificial Analysis odnotowało 140 milionów tokenów wyjściowych w przypadku nowszego modelu wobec 110 milionów w przypadku starszego, w tym samym zestawie testów. Cennik się nie zmienił; model po prostu pisze więcej, by odpowiedzieć na to samo pytanie. To uczciwe zastrzeżenie do pozycji Pareto — Xiaomi MiMo-V2.6-Pro zasługuje na swoje miejsce na osi kosztów mimo tego, że stał się bardziej rozwlekły, a nie dlatego, że potaniał.

Dla każdego, kto planuje budżet, praktyczny wniosek jest taki, że cena za token jest obecnie słabym wskaźnikiem kosztu danego obciążenia. Dwa modele o identycznych cennikach mogą różnić się nawet 2,5-krotnie pod względem kosztu na ukończone zadanie. Rabat za pamięć podręczną to dźwignia, która daje największe efekty: przy $0.0036 za milion tokenów wejściowych z pamięci podręcznej różnica między promptem, który ponownie wykorzystuje kontekst, a takim, który tego nie robi, jest większa niż różnica między większością par modeli z tej listy.

Co obejmuje ocena, a czego nie obejmuje

Wynik 46 to pomiar strony trzeciej i ma to znaczenie, ponieważ niemal wszystko inne opublikowane o MiMo-V2.6-Pro takie nie jest. Wersja indeksu również ma znaczenie: v4.3.2 to kompozyt dziesięciu ewaluacji obejmujących rozumowanie, wiedzę, matematykę i kodowanie, a wynik jest porównywalny tylko z innymi wynikami w tej samej wersji. Dane producenta, które Xiaomi opublikowało wraz z premierą — DeepSWE v1.1 z wynikiem 71,9, AutomationBench v1.0.6 z wynikiem 53,1, Toolathlon-Verified z wynikiem 76,9, Terminal Bench 2.1 z wynikiem 89,9, CyberGym z wynikiem 94,0 — pochodzą z własnego zestawu testowego i skryptu oceniającego Xiaomi i nie zostały przez nikogo odtworzone. Są przydatne jako orientacyjny dowód tego, do czego model był dostrajany; nie są wpisami do rankingu.

Drugą połowę wydania stanowi pakiet otwartych wag. Artificial Analysis podaje, że model ma łącznie 1,0T parametrów, z czego 42B aktywnych, okno kontekstowe o rozmiarze 1M tokenów, wejście tekstowe, obrazowe, mowy i wideo z wyjściem tekstowym oraz licencję MIT z wagami na Hugging Face. Samo repozytorium podaje rozmiar modelu Safetensors wynoszący 524B parametrów — trzecia liczba, która nie pasuje ani do łącznej liczby 1,0T, ani do liczby 42B aktywnych, i której Xiaomi nie uzgodniło. Jeśli planujesz wdrożenie typu self-hosted, warto wyjaśnić tę rozbieżność, zanim cokolwiek aprowizujesz, ponieważ checkpoint FP8 o rozmiarze 524B i checkpoint o rozmiarze 1T to zupełnie inne rozmowy o sprzęcie.

Punkt graniczny, do którego obecnie nie możesz wyznaczyć trasy

Kwestia dostępności jest tą częścią tego wydania, która ogranicza je najbardziej. Gdy Artificial Analysis oceniało Xiaomi MiMo-V2.6-Pro, odnotowało tylko jednego dostawcę API dla tego modelu. Repozytorium Hugging Face podaje, że Xiaomi MiMo-V2.6-Pro nie jest wdrażany przez żadnego dostawcę inferencji. My również go nie hostujemy i nie zamierzamy sugerować inaczej — droga do tego modelu prowadzi dziś przez własną platformę Xiaomi oraz katalogi stron trzecich, które go wymieniają.

To problem przełączania awaryjnego, a nie problem jakości, i to dokładnie ten problem, który router ma za zadanie rozwiązać. Jedno API dla setek modeli, z automatycznym przełączaniem awaryjnym między dostawcami, jest tym, co zamienia „jeden dostawca obecnie ma to w ofercie” z ryzyka architektonicznego w szczegół konfiguracji. To także sposób, w jaki zaplanowałbyś migrację na tak nowy model: skieruj część ruchu do Xiaomi MiMo-V2.6-Pro, zachowaj sprawdzony model za nim i pozwól, by to router przeniósł żądanie, a nie twoja rotacja dyżurów. To działa w przypadku modeli, które mamy w ofercie. W przypadku tego jednego, dopóki nie będzie można go trasować, szczera rada jest taka, aby trzymać go poza ścieżką krytyczną.

Co przesunęłoby to z linii?

Pozycja na froncie Pareto to tylko migawka, a nie właściwość modelu. Trzy rzeczy mogłyby ją zmienić. Obniżka cen ze strony Xiaomi przesunęłaby Xiaomi MiMo-V2.6-Pro jeszcze bardziej w lewo i uczyniła go trudniejszym do pobicia — a ponieważ przekazujemy ceny katalogowe dostawców z marżą 0%, taka obniżka działa u nas tego samego dnia, w którym pojawi się gdziekolwiek indziej. Tańszy model z wynikiem powyżej 46,3 strąciłby go z tej pozycji całkowicie; GPT-6 Astra (low) już plasuje się na 45,8 przy $0.818 za zadanie — droższy, ale niepokojąco blisko na osi inteligencji. A niezależne testy MiMo-V2.6-Flash — który w ogóle nie ma jeszcze strony w Artificial Analysis — mogłyby pokazać, że tańsze rodzeństwo zajmuje lepsze miejsce na krzywej w przypadku większości obciążeń.

Na razie twierdzenie, które da się obronić, ma charakter arytmetyczny. W obecnej wersji indeksu, przy obecnych publikowanych cenach, nie ma na rynku modelu, który byłby jednocześnie tańszy w przeliczeniu na zadanie i inteligentniejszy niż Xiaomi MiMo-V2.6-Pro. Czy przetrwa to swoją pierwszą niezależną replikację, to pytanie warte obserwacji.