MiMo-V2.6-Pro Coloca Pesos Abertos na Linha de Pareto a $0,13 por Tarefa

O Xiaomi MiMo-V2.6-Pro foi publicado no Hugging Face em 21 de setembro de 2026, e o número que mais longe chegou desde então é 46 — sua pontuação no Artificial Analysis Intelligence Index v4.3.2, a mais alta já registrada por qualquer modelo de pesos abertos nesse índice composto. O número que decide se você realmente consegue executá-lo é menor. A Artificial Analysis mediu US$ 0,1332 de computação por tarefa do Intelligence Index ao avaliar o MiMo-V2.6-Pro em seu próprio harness, e esse valor coloca o modelo na linha de Pareto do gráfico Inteligência versus Custo por Tarefa do site. Acima do piso de arredondamento, é o único modelo de pesos abertos nessa linha.

Essa é uma afirmação mais restrita e mais útil do que "melhor modelo de pesos abertos", que foi como a maior parte da cobertura do lançamento a enquadrou. Ser o primeiro no eixo da inteligência revela o teto. Estar na curva de custo mostra se qualquer outra coisa no mercado é estritamente melhor a esse preço. Para o Xiaomi MiMo-V2.6-Pro, até o momento em que escrevo, nada é.

O que a linha de Pareto realmente mede

O gráfico representa cada modelo que a Artificial Analysis avaliou em dois eixos: o Intelligence Index em um, e o custo médio ponderado em dólares de produzir uma tarefa do índice no outro. Um modelo na linha de Pareto não pode ser superado nos dois eixos por nenhum outro modelo individual — você não consegue encontrar algo mais inteligente por menos. Pontos abaixo e à esquerda da linha são dominados e ficam de fora dela.

Recalculamos a fronteira a partir dos dados embutidos no gráfico, em vez de ler a linha a olho. Partindo dos 326 modelos que têm tanto uma pontuação de índice quanto um custo medido por tarefa, a fronteira atual se estende por catorze pontos:

• Qwen3.5 2B (Sem raciocínio) — índice 6,2, custo por tarefa arredonda para $0,000, pesos abertos
• Devstral 2 — índice 8,6, custo por tarefa arredonda para $0,000, pesos abertos
• North Mini Code — índice 9,9, custo por tarefa arredonda para $0,000, pesos abertos
• Claude Sonnet 4.6 (Sem raciocínio, Alto Esforço) — índice 24,7, custo por tarefa arredonda para $0,000, fechado
• Grok Build 0.1 0616 — índice 27,2, custo por tarefa $0,006, fechado
• GPT-5.6 Luna (alto) — índice 32,1, custo por tarefa $0,044, fechado
• GPT-5.6 Luna (extra alto) — índice 34,6, custo por tarefa $0,085, fechado
• Xiaomi MiMo-V2.6-Pro — índice 46,3, custo por tarefa $0,133, pesos abertos licenciados sob MIT
• GPT-6 Astra (médio) — índice 49,6, custo por tarefa $1,541, fechado
• GPT-6 Astra (alto) — índice 50,9, custo por tarefa $1,725, fechado
• GPT-6 Astra (extra alto) — índice 52,4, custo por tarefa $2,309, fechado
• GPT-6 Astra (máximo) — índice 52,7, custo por tarefa $3,258, fechado
• Claude Fable 5.1 (extra alto, fallback padrão) — índice 53,2, custo por tarefa $5,978, fechado
• Claude Fable 5.1 (máximo, fallback padrão) — índice 53,4, custo por tarefa $7,630, fechado

Três coisas se destacam dessa lista. Os quatro pontos mais baratos são modelos cujo custo medido arredonda para zero com quatro casas decimais, então a parte interessante da curva começa em Grok Build 0.1 0616. O Xiaomi MiMo-V2.6-Pro é um joelho genuíno nela, não um artefato de arredondamento: o ponto seguinte custa 11,6 vezes mais por tarefa para 3,3 pontos de índice adicionais. E dos dez pontos de fronteira com custo diferente de zero, exatamente um é de pesos abertos — que é o fato que o enquadramento de "melhor modelo de pesos abertos" soterra. O modelo de pesos abertos mais próximo no eixo de inteligência, GLM-5.3 (max) com 44,8, não chega nem perto da linha: ele custa US$ 2,006 por tarefa de índice, quinze vezes o valor do MiMo-V2.6-Pro. O Kimi K3 (max) fica em 43,6 e US$ 2,000 por tarefa.

A lista de preços não se moveu. A conta, sim.

Xiaomi não aumentou os preços desta geração. O MiMo-V2.6-Pro está listado a US$ 0,435 por milhão de tokens de entrada e US$ 0,87 por milhão de tokens de saída, com um preço de entrada em caso de cache hit de US$ 0,0036 — um desconto de 99,17% — que é a mesma tabela que o carro-chefe anterior tinha. Combinado numa proporção de 7:2:1 de cache hit/entrada/saída, isso dá US$ 0,1765 por milhão de tokens.

E, no entanto, o custo de executar o Intelligence Index contra o MiMo-V2.6-Pro chegou a US$ 206,66, ou US$ 0,1332 por tarefa, enquanto o mesmo índice contra o MiMo-V2.5-Pro custou US$ 0,054 por tarefa. A Artificial Analysis registrou 140 milhões de tokens de saída para o modelo mais novo, contra 110 milhões para o mais antigo, no mesmo conjunto de testes. A tabela de preços permanece inalterada; o modelo simplesmente escreve mais para responder à mesma pergunta. Essa é a ressalva honesta à posição de Pareto — o Xiaomi MiMo-V2.6-Pro conquista seu lugar no eixo de custo apesar de ficar mais prolixo, e não porque ficou mais barato.

Para quem está dimensionando um orçamento, a leitura prática é que o preço por token agora é um preditor fraco de quanto custa uma carga de trabalho. Dois modelos com tabelas de preços idênticas podem diferir em 2,5x no custo por tarefa concluída. O desconto de cache é a alavanca que vai mais longe: a US$ 0,0036 por milhão de tokens de entrada em cache, a diferença entre um prompt que reutiliza contexto e um que não reutiliza é maior do que a diferença entre a maioria dos pares de modelos desta lista.

O que a pontuação abrange e o que não abrange

O 46 é uma medição de terceiros, e isso importa porque quase tudo o mais publicado sobre o MiMo-V2.6-Pro não é. A versão do índice também importa: a v4.3.2 é um composto de dez avaliações que cobrem raciocínio, conhecimento, matemática e programação, e uma pontuação só é comparável com outras pontuações na mesma versão. Os números do fornecedor que a Xiaomi publicou junto com o lançamento — DeepSWE v1.1 a 71,9, AutomationBench v1.0.6 a 53,1, Toolathlon-Verified a 76,9, Terminal Bench 2.1 a 89,9, CyberGym a 94,0 — vêm do próprio harness e avaliador da Xiaomi e não foram reproduzidos por ninguém. Eles são úteis como evidência direcional do que o modelo foi ajustado para fazer; não são entradas de ranking.

A outra metade do lançamento é o pacote de pesos abertos. O Artificial Analysis lista o modelo com 1,0T de parâmetros totais e 42B ativos, uma janela de contexto de 1 milhão de tokens, entrada de texto, imagem, fala e vídeo com saída de texto, e uma licença MIT com pesos no Hugging Face. O próprio repositório informa um tamanho de modelo Safetensors de 524B parâmetros — um terceiro número que não corresponde nem ao total de 1,0T nem à contagem de 42B ativos, e que a Xiaomi não reconciliou. Se você está planejando uma implantação auto-hospedada, vale a pena resolver essa discrepância antes de provisionar qualquer coisa, porque um checkpoint FP8 de 524B e um de 1T são conversas de hardware diferentes.

Um ponto de fronteira para o qual você não pode traçar rota no momento

O panorama de disponibilidade é a parte deste lançamento que mais o limita. Quando a Artificial Analysis avaliou o Xiaomi MiMo-V2.6-Pro, contabilizou um único provedor de API para o modelo. O repositório do Hugging Face afirma que o Xiaomi MiMo-V2.6-Pro não é implantado por nenhum provedor de inferência. Nós também não o hospedamos, e não vamos insinuar o contrário — o caminho para este modelo hoje é a própria plataforma da Xiaomi e os catálogos de terceiros que o listam.

Isso é um problema de failover, e não um problema de qualidade, e é exatamente o problema específico que um roteador existe para resolver. Uma API para centenas de modelos, com failover automático entre provedores, é o que transforma "um provedor atualmente lista isto" de um risco arquitetural em um detalhe de configuração. É também como você faria uma migração gradual para um modelo tão novo: enviar uma parte do tráfego para o Xiaomi MiMo-V2.6-Pro, manter um modelo comprovado por trás dele e deixar o roteador mover a requisição, em vez do seu rodízio de plantão. Isso funciona para os modelos que oferecemos. Para este, até que seja roteável, o conselho honesto é mantê-lo fora de um caminho crítico.

O que o tiraria da linha?

Uma posição de Pareto é um instantâneo, não uma propriedade do modelo. Três coisas a mudariam. Um corte de preço da Xiaomi moveria o Xiaomi MiMo-V2.6-Pro mais para a esquerda e o tornaria mais difícil de superar — e, porque repassamos o preço de tabela do provedor com 0% de markup, um corte como esse fica ativo do nosso lado no mesmo dia em que surge em qualquer lugar. Um modelo mais barato com pontuação acima de 46,3 o tiraria completamente da posição; o GPT-6 Astra (low) já está em 45,8, a US$ 0,818 por tarefa, mais caro, mas desconfortavelmente próximo no eixo de inteligência. E uma avaliação comparativa independente do MiMo-V2.6-Flash — que atualmente não tem página nenhuma no Artificial Analysis — poderia revelar que o irmão mais barato ocupa uma posição melhor na curva para a maioria das cargas de trabalho.

Por ora, a afirmação defensável é a aritmética. Na versão atual do índice, aos preços publicados atualmente, não há no mercado nenhum modelo que seja simultaneamente mais barato por tarefa e mais inteligente do que o Xiaomi MiMo-V2.6-Pro. Se isso sobreviverá à sua primeira replicação independente é a questão que vale a pena acompanhar.