MiMo-V2.6-Pro vs Gemini 3.1 Pro: Uma diferença de 16 pontos que só existe em uma versão do índice

Coloque o Xiaomi MiMo-V2.6-Pro e o Gemini 3.1 Pro Preview lado a lado no Artificial Analysis Intelligence Index e você obtém 46 contra 30 — uma vantagem de dezesseis pontos para um modelo que custa um quinto disso na entrada. Coloque-os lado a lado nos números que ambos os fornecedores publicaram em seus próprios lançamentos e o Gemini 3.1 Pro vence por onze. Ambas as leituras vêm do mesmo avaliador. O motivo de elas discordarem é a coisa mais útil de se entender sobre comparar modelos em setembro de 2026: o índice foi reconstruído sob os dois, e uma pontuação só tem significado ao lado do número da versão que a produziu.

O índice composto v4.3.2 é o atual. Ele executa dez avaliações — AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1 — e, nele, segundo leitura de 22 de setembro de 2026, o modelo da Xiaomi pontua 46 e o do Google pontua 30. No lançamento, em 19 de fevereiro de 2026, o Gemini 3.1 Pro Preview foi divulgado com 57 na escala então vigente, que encabeçava o ranking. Esses dois números do Gemini não representam um declínio. São duas réguas diferentes.

O que cada modelo realmente é

Gemini 3.1 Pro Preview é o modelo de raciocínio de fronteira do Google, lançado em 19 de fevereiro de 2026 e ainda com o rótulo de preview sete meses depois. Ele tem uma janela de contexto de 1 milhão de tokens, limita a saída a 65.536 tokens — listado como 64K pela Artificial Analysis e 65K na nossa própria página do modelo — e aceita texto, imagens, PDFs, áudio e vídeo na entrada, com texto na saída. É proprietário, com número de parâmetros não divulgado e data de corte de conhecimento em janeiro de 2025. A própria API do Google cobra US$ 2,00 por milhão de tokens de entrada e US$ 12,00 por milhão de tokens de saída abaixo de 200 mil tokens de entrada, passando para US$ 4,00 e US$ 18,00 acima disso, com entrada em cache a US$ 0,20.

Xiaomi MiMo-V2.6-Pro passou a ter disponibilidade geral em 22 de setembro de 2026, com os repositórios de checkpoints de aprendizado por reforço surgindo no dia anterior. É um modelo esparso de mistura de especialistas com 1,02 trilhão de parâmetros totais e 42 bilhões ativados por token, com uma janela de contexto de 1 milhão de tokens, multimodalidade nativa em texto, imagem, vídeo e áudio, e pesos baixáveis licenciados sob MIT. A Xiaomi manteve os preços da geração anterior MiMo-V2.5, em vez de reajustar o novo checkpoint para cima: US$ 0,43 por milhão de tokens de entrada e US$ 0,87 por milhão de saída, com desconto de cache de 99% e uma taxa combinada de US$ 0,18 em uma proporção de 7:2:1 de acertos de cache/entrada/saída.

• Pesos — Xiaomi MiMo-V2.6-Pro licenciado sob MIT e disponível para download; Gemini 3.1 Pro Preview proprietário, somente via API

• Parâmetros — MiMo-V2.6-Pro 1,02T no total / 42B ativos; Gemini 3.1 Pro Preview não divulgado

• Contexto — 1M tokens em ambos; Gemini 3.1 Pro Preview limita a saída a 65.536 tokens, MiMo-V2.6-Pro não publica um limite equivalente

• Modalidade — MiMo-V2.6-Pro aceita texto, imagem, vídeo e áudio; Gemini 3.1 Pro Preview aceita texto, imagem, PDF, áudio e vídeo

• Preço de tabela — MiMo-V2.6-Pro US$ 0,43 / US$ 0,87 por 1 milhão de tokens; Gemini 3.1 Pro Preview US$ 2,00 / US$ 12,00 para entrada abaixo de 200K, US$ 4,00 / US$ 18,00 acima

• Cache — MiMo-V2.6-Pro com 99% de desconto; Gemini 3.1 Pro Preview $0,20 por 1 milhão de leituras em cache

• Velocidade — MiMo-V2.6-Pro 134,3 tokens de saída/segundo; Gemini 3.1 Pro Preview 121,8

• Tempo até o primeiro token — MiMo-V2.6-Pro 2,15 segundos; Gemini 3.1 Pro Preview 63,62 segundos

• Custo medido para executar o índice — MiMo-V2.6-Pro $206,66, ou $0,13 por tarefa; Gemini 3.1 Pro Preview $1.310,21, ou $0,67 por tarefa

O rótulo de pré-visualização é a verdadeira diferença

Tudo o que está acima é uma especificação. A única linha que muda a forma como você deve ler toda a comparação é a palavra "preview". Um modelo preview é um candidato que o Google não se comprometeu a manter naquele endpoint. Isso importa para uma página de comparação de um modo que uma diferença de dezesseis pontos no índice não importa, porque um modelo com o qual você não pode contar que estará lá daqui a seis meses não é um modelo no qual você padroniza — e a própria família do Google já o ultrapassou. O Gemini 3.6 Flash e o Gemini 3.8 Flash ficam acima do Gemini 3.1 Pro em codificação e trabalho agêntico a um custo menor, e é por isso que uma análise técnica do lançamento do 3.1 Pro o descreveu como decididamente da geração anterior. A própria página da AA o lista na posição 71 de 202 em inteligência.

O modelo da Xiaomi está na posição oposta. Ele foi lançado esta semana, os pesos estão disponíveis sob a licença MIT, e as características de serving são o ponto mais forte dele. 134,3 tokens de saída por segundo o colocam em 11º lugar entre 114 modelos medidos quanto à velocidade, e 2,15 segundos até o primeiro token é cerca de trinta vezes mais rápido que os 63,62 segundos do Gemini 3.1 Pro Preview. Para uma aplicação interativa, isso não é um critério de desempate. É a diferença entre um produto e uma demonstração, e é o número com maior probabilidade de ficar invisível em uma tabela de benchmark.

Para onde o dinheiro realmente vai

A aritmética por token subestima a diferença entre esses dois, porque os modelos não consomem a mesma quantidade de tokens para concluir o mesmo trabalho. O número mais claro é o que a Artificial Analysis mediu para executar seu Índice de Inteligência completo contra cada um: US$ 206,66 para o MiMo-V2.6-Pro e US$ 1.310,21 para o Gemini 3.1 Pro Preview. Mesma suíte, mesmo harness, medidos da mesma forma — uma diferença de 6,3x em um conjunto de tarefas idêntico, e que já leva em conta o fato de que modelos de raciocínio emitem muitos tokens pensando. O Gemini 3.1 Pro Preview gerou 67 milhões de tokens de saída ao longo do índice; a mediana para modelos em sua faixa de preço é de 90 milhões, então ele é, na verdade, mais econômico por ponto do que seus pares, e ainda assim custa seis vezes mais para ser avaliado do que o modelo da Xiaomi.

Então, coloque um loop de produção em cima disso. Uma execução de agente de 30 etapas lendo 200.000 tokens de contexto por etapa e escrevendo 2.000 tokens por etapa é 6 milhões de tokens de entrada e 60.000 de saída por execução. No Gemini 3.1 Pro Preview abaixo do nível de 200K, isso é US$ 12,00 de entrada e US$ 0,72 de saída — US$ 12,72 por execução. No MiMo-V2.6-Pro, é US$ 2,58 e US$ 0,05 — US$ 2,63. Ultrapasse 200.000 tokens de entrada no modelo do Google e a tarifa de entrada dobra para US$ 4,00, e nesse ponto o mesmo loop custa US$ 24,00 antes da saída. O cache altera ambos os números, mas um desconto de 99% em um modelo barato contra uma leitura de cache de US$ 0,20 em um modelo caro deixa o modelo caro uma ordem de magnitude à frente em um loop com uso intensivo de contexto.

A questão do roteamento, dita honestamente

Eis a parte que é fácil errar. O Gemini 3.1 Pro Preview está no OrcaRouter como google/gemini-3.1-pro-preview, acessível por meio de uma única chave compatível com OpenAI ao preço de tabela do fornecedor, com 0% de margem — assim, uma mudança de preço do Google entra em vigor do nosso lado no mesmo dia, e não no próximo ciclo de faturamento. O Xiaomi MiMo-V2.6-Pro não está no OrcaRouter. Nenhum modelo Xiaomi está, e dizer isso com clareza é mais útil do que deixar uma página de modelo insinuar o contrário. Chegar a ele hoje significa usar a própria plataforma da Xiaomi ou um dos catálogos de terceiros que o listam.

Essa assimetria é exatamente o motivo pelo qual um roteador merece seu lugar nesta comparação, em vez de ser apenas uma nota de rodapé dela. Os dois modelos não estão competindo pelas mesmas requisições. O Gemini 3.1 Pro Preview é o incumbente que você pode já estar pagando, e a pergunta que esta página responde é se o novo modelo barato pode conquistar uma parte do seu tráfego. Executar esse teste corretamente significa enviar seus próprios prompts para ambos e comparar as respostas, não ler um índice — e fazer isso abrindo um segundo contrato, uma segunda chave e uma segunda relação de cobrança é a fricção que impede que o teste chegue a acontecer. Uma chave, ambas as vias onde as roteamos, e a comparação se torna uma mudança de configuração. O failover automático cobre a outra metade: um modelo de pré-visualização pode ser retirado ou ter limite de taxa com pouca antecedência, e uma segunda via atrás do mesmo endpoint é o que transforma isso de uma interrupção em uma decisão de roteamento.

Qual escolher

Escolha o Gemini 3.1 Pro Preview quando a tarefa exigir entrada de PDF e áudio nativamente, quando você já estiver dentro do ecossistema do Google, ou quando precisar especificamente do comportamento desse modelo e puder conviver com o risco de descontinuação de um endpoint de pré-visualização. Seu tempo de 63 segundos até o primeiro token significa que, na prática, ele é um modelo para processamento em lote e cargas de trabalho offline, independentemente do que o marketing diga sobre interatividade.

Escolha o MiMo-V2.6-Pro quando o volume for a restrição, quando o loop tiver muito contexto e for repetitivo, quando você quiser os pesos no seu próprio hardware — a licença MIT permite implantação comercial, modificação e treinamento adicional — ou quando a latência do primeiro token fizer parte do produto. É o raro caso de um modelo barato que também é rápido, e essa combinação vale mais do que os dezesseis pontos no índice sugerem.

O que mudaria esse quadro seria um sucessor não-preview do Gemini 3.1 Pro, ou uma reprodução independente dos números do DeepSWE que a Xiaomi publicou a partir de seu próprio harness — 72,57 para o Pro, 65,68 para o Flash, passando de 58,4 e 48,8, respectivamente, ao longo da execução de aprendizado por reforço. Esses números são informados pelo fornecedor, avaliados no avaliador da Xiaomi com o mini-swe-agent na média de três, e não foram submetidos a um leaderboard público. Até que alguém os execute novamente, o 46 do Artificial Analysis é o número a citar, e ele é medido na mesma régua que o 30.

O OrcaRouter coloca mais de 200 modelos por trás de um único endpoint compatível com OpenAI pelo preço de tabela do provedor, com 0% de markup, então uma mudança de preço do fornecedor entra em vigor no mesmo dia.