Step 5 Preview vs MiMo V2.6 Pro: jeden punkt indeksu za dziewięciokrotnie wyższy rachunek

W tym samym badaniu Artificial Analysis modele Step 5 Preview od StepFun i MiMo V2.6 Pro od Xiaomi kończą z różnicą zaledwie jednego punktu inteligencji: 29 wobec 30. Nie dzieli je jednak jeden banknot. To samo badanie wycenia ukończone zadanie indeksowe na 2,35 USD w przypadku Step 5 Preview i 0,26 USD w przypadku MiMo V2.6 Pro — różnica mniej więcej dziewięciu do jednego. Oba są modelami mieszanki ekspertów o otwartych wagach z oknem miliona tokenów, oba przyjmują obrazy równie dobrze jak tekst, i oba pojawiły się w ciągu jednego dnia od siebie pod koniec września 2026 — Step 5 Preview w API StepFun 20 września, MiMo V2.6 Pro 21 września. Czyni to ten pojedynek najczystszym bezpośrednim porównaniem dostępnym w tierze otwartych wag i jedynym porównaniem, w którym tańszy model jest także nieznacznie lepiej punktującym.

Poniższe informacje opierają się na pojedynczym przebiegu ewaluacji, przeprowadzonym na wersji indeksu, którą Artificial Analysis udostępnia obecnie, ponieważ niemal każda strona porównawcza wciąż dostępna w sieci korzysta z wersji zastąpionej. Podane niżej liczby są powtarzalne, pochodzą z tego samego przebiegu i wskazują, kto je wygenerował.

Dwie informacje o wydaniu, w odstępie tygodnia, dwa bardzo różne spadki wagi

Harmonogramy różnią się równie mocno jak architektury. Step 5 Preview udostępniono przez API 20 września, a następnie przez blisko cztery tygodnie pozostawał produktem dostępnym wyłącznie w wersji hostowanej, zanim StepFun opublikował punkty kontrolne 15 października. MiMo V2.6 Pro udostępnił swoje wagi objęte licencją MIT równolegle z API 21 września, a Xiaomi opublikowało w tym samym czasie przepis na uczenie ze wzmocnieniem, około 7 000 środowisk zadaniowych oraz destylowany model siostrzany 9B.

Karty specyfikacji, jedna linia na wymiar:

• Parametry łączne i aktywne — Step 5 Preview: 600 mld łącznie, 27 mld aktywnych na token. MiMo V2.6 Pro: 1,0 bln łącznie, 42 mld aktywnych.

• Architektura — podgląd kroku 5: 92 warstwy, rzadka uwaga z grupowymi zapytaniami (grouped-query attention) z indeksowaniem bloków 8-tokenowych oraz mieszanka 3:1 bramkowanej uwagi z przesuwnym oknem i rzadkiej pełnej uwagi. MiMo V2.6 Pro: rzadki MoE z 384 ekspertami routowanymi, ośmiu aktywnych na token.

• Kontekst i dane wyjściowe — Step 5 Preview: 1 mln tokenów. MiMo V2.6 Pro: 1 mln tokenów, z limitem wyjściowym 131 tys. na naszej własnej stronie modelu.

• Dane wejściowe — Podgląd kroku 5: tekst, obraz i wideo. MiMo V2.6 Pro: tekst, obraz, wideo i audio; reklamuje natywne audio, a nie tylko wideo.

• Wagi i licencja — Step 5 Preview: BF16 i FP8, na warunkach StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Cena za milion tokenów — Step 5 Preview: 1,00 $ za wejście, 2,70 $ za wyjście, 0,10 $ za cache. MiMo V2.6 Pro: 0,435 $ za wejście, 0,87 $ za wyjście, 0,0036 $ za cache.

Różnica w liczbie parametrów rzuca się w oczy jako pierwsza. Step 5 Preview jest mniejszym modelem pod względem całkowitego rozmiaru i mniejszym pod względem aktywnej mocy obliczeniowej — 27B wobec 42B. To nie jest przypadkowy efekt pakowania; blog techniczny StepFun opowiada się za odwrotnym kompromisem — wąski, głęboki stos trenowany tak, by zachowywał się jak znacznie większy model w długohoryzontowej pracy agentowej, dlatego 92 warstwy mieszczą się w budżecie 600B zamiast w bilionie parametrów.

Tablica została przeliczona na nowo, a stare liczby wciąż są wszędzie.

Jeśli poszukasz tego starcia dzisiaj, większość wyników powie Ci, że MiMo V2.6 Pro uzyskuje wynik 46, a Step 5 Preview — 44. To były rzeczywiste odczyty. Uzyskano je na wcześniejszej wersji Artificial Analysis Intelligence Index, która od tego czasu została zastąpiona. W obecnym zestawieniu te same dwa modele mają 30 i 29, a modele, które kiedyś znajdowały się blisko nich, przesunęły się o podobne wartości.

Ma to znaczenie z praktycznego, a nie pedantycznego powodu: każda wartość pochodna obliczona na podstawie starych wyników jest teraz błędna. Stosunek „0,13 USD wobec 0,72 USD na zadanie”, który krążył przy premierze, wynosi teraz 0,26 USD przeciw 2,35 USD. Kolejność się nie zmieniła — MiMo nadal prowadzi o jeden — ale zmieniła się skala wszystkiego wokół, a wymowa historii kosztów przeszła od błędu zaokrąglenia do decyzji.

Przestroga dotycząca sposobu odczytywania którejkolwiek z tych liczb: indeks jest ważonym wskaźnikiem złożonym, a jego benchmarki składowe znacznie się różnią w przypadku tej pary. Podanie wyłącznie wskaźnika złożonego ukryłoby jedyną część porównania, która daje Step 5 Preview powód do istnienia.

Gdzie dziewięć do jednego kupuje coś

Trzy wyniki cząstkowe z tego samego przebiegu faktycznie przemawiają na korzyść Step 5 Preview i koncentrują się wokół jednego motywu: mówić mniej, gdy nie wie.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% vs MiMo V2.6 Pro 15%. Prawie dziewięciopunktowa przewaga w najtrudniejszym teście wiedzy w zestawie.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Wynik nagradza zarówno skalibrowane wstrzymanie się od odpowiedzi, jak i poprawne przypomnienie, a wartość ujemna oznacza model, który częściej odpowiada pewnie i błędnie, niż zachowuje milczenie.

• Szybkość generowania — Step 5 Preview 179,1 tokena na sekundę w porównaniu z MiMo V2.6 Pro 58,0, zmierzone w tym samym serwisie. Trzykrotnie wyższa przepustowość to realna różnica opóźnienia w pętli agenta wykonującego kilkanaście kolejnych wywołań.

Te trzy razem stanowią spójną obronę tej premii: model, który rzadziej halucynuje i szybciej odpowiada, jest wart więcej za token dokładnie w tych obciążeniach, na które celują obaj dostawcy — długotrwałych agentach, promptach w skali repozytorium, syntezie badań. Czy jest wart dziewięć razy więcej, to osobne pytanie, a odpowiedź zależy od tego, ile kosztuje cię błędna, pewna siebie odpowiedź.

Gdzie MiMo wygrywa bez gwiazdki

Kod i testy automatyzacji idą w przeciwnym kierunku — i bynajmniej nie w wąskim zakresie.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% vs Step 5 Preview 12%. Dwukrotnie wyższy wynik w benchmarku programistycznym, co stanowi największą pojedynczą rozbieżność w tej parze.

• AutomationBench-AA — 59% wobec 51%.

• Terminal-Bench 4.0 — 35% wobec 33%, niewielka przewaga, która ma znaczenie, ponieważ agentowe pozycjonowanie Step 5 Preview opiera się na pracy w terminalu.

• GDPpdf — 19% vs 15%, oraz Terminal-Bench-Science 6% vs 2%, oba skromne, ale spójne.

Wygrane Step 5 Preview w HLE i Omniscience odczytuje się jako szerokość wiedzy i kalibrację; wygrane MiMo w FrontierCode i AutomationBench odczytuje się jako zdolność do działania. Dla agenta kodującego to nie są równoważne walory.

Ekonomika pamięci podręcznej to część, która najbardziej może zaskoczyć osobę modelującą wydatki. Stawka za wejście z pamięci podręcznej w MiMo V2.6 Pro wynosi 0,0036 USD za milion tokenów wobec 0,10 USD w Step 5 Preview — 28-krotna różnica w klasie tokenów dominującej podczas długiej sesji agenta, w której ten sam kontekst repozytorium lub dokumentu jest odczytywany ponownie przy każdej turze. MiMo oferuje również poziom UltraSpeed w cenie 4,35 USD za wejście i 8,70 USD za wyjście w przypadku wywołań krytycznych pod względem opóźnienia, co jest sposobem na zwiększenie przepustowości bez zmiany modeli.

Ile faktycznie kosztuje jedna tura agenta

Weźmy jeden reprezentatywny przykład wywołania: 400 000 tokenów kontekstu na wejściu, 20 000 tokenów na wyjściu. Według cen katalogowych to $0,454 dla Step 5 Preview i $0,191 dla MiMo V2.6 Pro — różnica 2,4-krotna, a nie dziewięciokrotna. Teraz uruchom ten sam kontekst dziesięć razy w ramach sesji. Gdy pamięć podręczna spełnia swoją rolę, Step 5 Preview odczytuje ponownie te 400 000 tokenów po $0,10 za milion, a MiMo V2.6 Pro po $0,0036, i różnica na części objętej pamięcią podręczną rośnie do mniej więcej 28 do 1.

Ta arytmetyka sprawia, że luka na zadanie i luka w cenie z metki się nie zgadzają. Wskaźnik na zadanie jest średnią ważoną w ramach pełnej ewaluacji z dużym ponownym wykorzystaniem promptów, więc odzwierciedla współczynnik trafień cache’u w takim samym stopniu jak stawkę nagłówkową. Jeśli Twoje obciążenie to jednorazowe prompty ze świeżym kontekstem przy każdym wywołaniu, planuj budżet bliżej wartości 2,4-krotnej. Jeśli natomiast jest to trwały agent wielokrotnie czytający te same pliki, uczciwszą liczbą do planowania jest wartość dziewięciokrotna.

Co możesz dziś nazwać

MiMo V2.6 Pro znajduje się w katalogu OrcaRouter pod identyfikatorem modelu xiaomi/mimo-v2.6-pro, rozliczany według własnej stawki cennikowej Xiaomi: 0,43 USD za milion tokenów wejściowych i 0,87 USD za milion tokenów wyjściowych, bez doliczanej marży. Ma to tutaj znaczenie z konkretnego powodu: ceny w tym porównaniu są tym, co najprawdopodobniej ulegnie zmianie, a router typu pass-through oznacza, że zmiana ceny Xiaomi pojawi się na Twojej fakturze tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy.

Step 5 Preview nie występuje w naszym katalogu. Jedynym miejscem, z którego można go wywołać, pozostaje własne API StepFun lub host zewnętrzny, który udostępnia checkpointy. Dla zespołu rozważającego oba warianty ta asymetria sama w sobie jest argumentem: jedną stronę tego porównania można przetestować z fallbackiem w ramach pojedynczej konfiguracji routingu, a drugiej nie. DSL routingu pozwala kierować ruch programistyczny do MiMo V2.6 Pro i utrzymać drugi model za automatycznym przełączaniem awaryjnym, dzięki czemu skok opóźnień u jednego dostawcy nie wyłączy agenta. Jeśli okaże się, że jednopunktowa przewaga MiMo nie utrzyma się w Twoim własnym obciążeniu, przełączenie kosztuje identyfikator modelu, a nie umowę.

Pytania, które ten pojedynek wciąż budzi

Dlaczego większość stron porównawczych nadal pokazuje 46 kontra 44?

Ponieważ zostały opracowane w odniesieniu do poprzedniej wersji indeksu i nie zostały ponownie obliczone. Zmieniła się sama ewaluacja bazowa, a nie tylko modele, więc każda wartość wyliczona na jej podstawie — w tym koszt przypadający na zadanie — zmieniła się wraz z nią. Gdy dwie strony przytaczają tę parę i różnią się o więcej niż punkt lub dwa, sprawdź, która wersja indeksu wygenerowała każdą z nich.

Czy przewaga Step 5 Preview w zakresie kalibracji przetrwa zmianę dziedziny?

Częściowo. Wyniki Omniscience i HLE są mierzone na wiedzy ogólnej; zachowanie kalibracyjne, które nagradzają, jest najbardziej wartościowe, gdy model jest pytany o rzeczy poza jego dystrybucją treningową. W wąskiej dziedzinie, w której oba modele były intensywnie trenowane — na przykład w kodzie — przewaga MiMo w FrontierCode sugeruje, że korzyść z powstrzymywania się od odpowiedzi nie wykonuje pracy, za którą płacisz.

Czy któryś z tych modeli jest bezpośrednim zamiennikiem drugiego?

Nie bez sprawdzenia. W praktyce mają wspólną powierzchnię zgodną z OpenAI, ale mechanizmy sterowania rozumowaniem się różnią, limity wyjścia się różnią, a 27B aktywnego rozmiaru Step 5 Preview zmienia, jak dużą część długiego promptu możesz utrzymać w pamięci. Przenieś prompt, uruchom ponownie własny zestaw ewaluacyjny i porównaj na własnym obciążeniu, a nie na slajdzie któregokolwiek dostawcy.

Krótka wersja decyzji: jeśli Twoje obciążenie jest mocno wiedzochłonne, wrażliwe na opóźnienia i kosztowne w przypadku błędu, dziewięciokrotna premia Step 5 Preview jest uzasadniona, a jego 179 tokenów na sekundę sprawia, że używa się go przyjemnie. Jeśli Twoje obciążenie to kod, automatyzacja i długie sesje na tym samym kontekście, MiMo V2.6 Pro jest lepszym modelem w cenie, która nie jest nawet blisko — i to właśnie ten z dwóch możesz już dziś umieścić za routerem, a jutro się z niego przełączyć.