Step 5 Preview vs MiMo V2.6 Pro: Um Ponto de Índice por Nove Vezes a Conta

Na mesma rodada do Artificial Analysis, o Step 5 Preview da StepFun e o MiMo V2.6 Pro da Xiaomi terminam a um ponto de inteligência de distância: 29 contra 30. Não estão a uma nota de dólar de distância. A mesma rodada precifica uma tarefa de índice concluída em US$ 2,35 para o Step 5 Preview e US$ 0,26 para o MiMo V2.6 Pro, uma diferença de aproximadamente nove para um. Ambos são modelos de mistura de especialistas com pesos abertos e uma janela de um milhão de tokens, ambos aceitam imagens e texto, e ambos chegaram com um dia de diferença entre si no final de setembro de 2026 — o Step 5 Preview na API da StepFun, em 20 de setembro, o MiMo V2.6 Pro, em 21 de setembro. Isso faz desta a comparação direta mais limpa disponível na categoria de pesos abertos, e é a única comparação em que o modelo mais barato também é o de pontuação marginalmente melhor.

O que segue usa uma única execução de avaliação, feita na versão do índice que a Artificial Analysis está disponibilizando hoje, porque quase toda página de comparação ainda existente na web usa uma versão substituída. Os números abaixo são reproduzíveis, pertencem à mesma execução e indicam quem os produziu.

Duas notas de versão, com uma semana de diferença, duas quedas de peso muito diferentes

As cronologias divergem tanto quanto as arquiteturas. O Step 5 Preview chegou a uma API em 20 de setembro e depois passou quase quatro semanas como um produto exclusivamente hospedado antes de a StepFun publicar os checkpoints em 15 de outubro. O MiMo V2.6 Pro disponibilizou seus pesos licenciados sob MIT junto com a API em 21 de setembro, e a Xiaomi publicou sua receita de aprendizado por reforço, cerca de 7.000 ambientes de tarefas e um modelo irmão destilado de 9B ao mesmo tempo.

As fichas técnicas, uma linha por dimensão:

• Parâmetros totais e ativos — Step 5 Preview: 600B no total, 27B ativos por token. MiMo V2.6 Pro: 1.0T no total, 42B ativos.

• Arquitetura — Prévia da Etapa 5: 92 camadas, atenção esparsa de consulta agrupada com indexação em blocos de 8 tokens e uma combinação 3:1 de atenção de janela deslizante com gate e atenção completa esparsa. MiMo V2.6 Pro: MoE esparso com 384 especialistas roteados, oito ativos por token.

• Contexto e saída — Step 5 Preview: 1M tokens. MiMo V2.6 Pro: 1M tokens, com um teto de saída de 131K na nossa própria página do modelo.

• Entrada — Prévia da Etapa 5: texto, imagem e vídeo. MiMo V2.6 Pro: texto, imagem, vídeo e áudio, e anuncia áudio nativo em vez de apenas vídeo.

• Pesos e licença — Step 5 Preview: BF16 e FP8, ao abrigo da Licença de Modelo StepFun 1.0. MiMo V2.6 Pro: MIT.

• Preço por milhão de tokens — Step 5 Preview: US$ 1,00 de entrada, US$ 2,70 de saída, US$ 0,10 em cache. MiMo V2.6 Pro: US$ 0,435 de entrada, US$ 0,87 de saída, US$ 0,0036 em cache.

A diferença de parâmetros é a primeira coisa que se nota. O Step 5 Preview é o modelo menor em tamanho total e o menor em computação ativa, 27B contra 42B. Isso não é acaso de empacotamento; o blog técnico da StepFun defende a troca oposta — uma pilha estreita e profunda, treinada para se comportar como um modelo muito maior em trabalho de agente de longo horizonte, e é por isso que 92 camadas ficam em um envelope de 600B em vez de um de um trilhão de parâmetros.

O quadro foi reavaliado, e os números antigos ainda estão por toda parte

Se você pesquisar por essa comparação hoje, a maioria dos resultados dirá que o MiMo V2.6 Pro pontua 46 e o Step 5 Preview pontua 44. Essas foram leituras reais. Elas foram feitas em uma versão anterior do Artificial Analysis Intelligence Index, e essa versão já foi substituída. No ranking como está agora, os mesmos dois modelos aparecem com 30 e 29, e os modelos que costumavam ficar perto deles mudaram em valores semelhantes.

Isso importa por uma razão prática, e não pedante: todo valor derivado calculado a partir das pontuações antigas agora está errado. A proporção de "$0.13 versus $0.72 por tarefa" que circulou no lançamento tornou-se $0.26 contra $2.35. A ordenação não mudou — o MiMo ainda lidera por um —, mas a magnitude de tudo ao redor mudou, e a direção da narrativa de custos passou de um erro de arredondamento para uma decisão.

Uma advertência sobre como ler qualquer um destes números: o índice é um compósito ponderado, e os seus subcritérios divergem fortemente para este par. Reportar apenas o compósito ocultaria a única parte da comparação que dá ao Step 5 Preview uma razão para existir.

Onde o nove-para-um compra algo

Três sub-resultados da mesma execução estão genuinamente a favor do Step 5 Preview, e agrupam-se em torno de um único tema: dizer menos quando não sabe.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% vs MiMo V2.6 Pro 15%. Quase nove pontos de vantagem no benchmark de conhecimento mais difícil do conjunto.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. A pontuação recompensa a abstenção calibrada, bem como a recuperação correta, e um valor negativo significa que um modelo responde com confiança e de forma errada mais vezes do que fica em silêncio.

• Velocidade de saída — Step 5 Preview 179,1 tokens por segundo vs MiMo V2.6 Pro 58,0, medido no mesmo serviço. O triplo da vazão é uma diferença real de latência em um loop de agente que faz uma dúzia de chamadas sequenciais.

Esses três juntos são uma defesa coerente do preço premium: um modelo que alucina menos e responde mais rápido vale mais por token exatamente nas cargas de trabalho que ambos os fornecedores têm como alvo — agentes de longa duração, prompts em escala de repositório, síntese de pesquisa. Saber se vale nove vezes mais é uma questão separada, e a resposta depende de quanto custa para você uma resposta errada e confiante.

Onde o MiMo vence sem asterisco

O código e os testes de automação seguem na direção oposta, e não de forma restrita.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% vs Step 5 Preview 12%. O dobro da pontuação no benchmark de programação, que é a maior divergência isolada do par.

• AutomationBench-AA — 59% vs. 51%.

• Terminal-Bench 4.0 — 35% vs 33%, uma vantagem estreita que importa porque o posicionamento agêntico do Step 5 Preview é construído sobre trabalho em terminal.

• GDPpdf — 19% vs 15%, e Terminal-Bench-Science 6% vs 2%, ambos modestos, mas consistentes.

As vitórias do Step 5 Preview no HLE e no Omniscience são interpretadas como amplitude de conhecimento e calibração; as vitórias do MiMo no FrontierCode e no AutomationBench são interpretadas como capacidade de agir. Para um agente de programação, essas não são moedas equivalentes.

A economia de cache é a parte que mais provavelmente surpreenderá alguém que esteja modelando gastos. A tarifa de entrada em cache do MiMo V2.6 Pro é de US$ 0,0036 por milhão de tokens, contra US$ 0,10 do Step 5 Preview — uma diferença de 28 vezes na classe de tokens que domina uma sessão longa de agente, em que o mesmo contexto de repositório ou documento é relido a cada turno. A MiMo também vende uma camada UltraSpeed a US$ 4,35 de entrada e US$ 8,70 de saída para chamadas críticas em latência, o que é uma forma de comprar throughput sem trocar de modelo.

Quanto custa realmente um turno de agente

Considere uma chamada representativa: um contexto de 400.000 tokens de entrada e 20.000 tokens de saída. Pelos preços de tabela, isso dá US$ 0,454 para o Step 5 Preview e US$ 0,191 para o MiMo V2.6 Pro — uma diferença de 2,4 vezes, não de nove vezes. Agora execute o mesmo contexto dez vezes em uma sessão. Com o cache cumprindo seu papel, o Step 5 Preview relê esses 400.000 tokens a US$ 0,10 por milhão e o MiMo V2.6 Pro a US$ 0,0036, e a diferença na parte em cache aumenta para aproximadamente 28 para um.

Essa aritmética é o motivo pelo qual a diferença por tarefa e a diferença de etiqueta não coincidem. O número por tarefa é uma média ponderada ao longo de uma avaliação completa com uso intenso de reutilização de prompts, portanto reflete a taxa de cache tanto quanto a taxa anunciada. Se sua carga de trabalho consistir em prompts de disparo único com contexto novo a cada chamada, planeje um orçamento mais próximo do fator de 2,4 vezes. Se for um agente persistente relendo os mesmos arquivos, o fator de nove vezes é o número de planejamento mais honesto.

O que você pode chamar hoje

O MiMo V2.6 Pro está no catálogo do OrcaRouter sob o ID do modelo xiaomi/mimo-v2.6-pro, cobrado pela tarifa de tabela da própria Xiaomi de US$ 0,43 na entrada e US$ 0,87 na saída por milhão de tokens, sem qualquer acréscimo. Isso importa aqui por um motivo específico: o preço nesta comparação é o item com maior probabilidade de mudar, e um roteador de repasse significa que uma mudança de preço da Xiaomi chega à sua fatura no mesmo dia, e não na próxima renovação de contrato.

O Step 5 Preview não está em nosso catálogo. Seu ponto de chamada continua sendo a própria API da StepFun, ou um host de terceiros que carrega os checkpoints. Para uma equipe avaliando os dois, essa assimetria é, por si só, um argumento: um lado desta comparação pode ser testado com um fallback em uma única configuração de roteamento, e o outro não. A DSL de roteamento permite enviar o tráfego de código para o MiMo V2.6 Pro e manter um segundo modelo atrás de failover automático, para que um pico de latência em um provedor não derrube o agente. Se a vantagem de um ponto do MiMo não se mantiver na sua própria carga de trabalho, a troca custa um id de modelo, não um contrato.

Perguntas que este confronto continua levantando

Por que a maioria das páginas de comparação ainda mostra 46 versus 44?

Porque foram escritos com base na versão anterior do índice e não foram recalculados. A avaliação subjacente mudou, não apenas os modelos, então todos os números derivados dela — incluindo o custo por tarefa — mudaram junto. Quando duas páginas citam este par e divergem em mais de um ou dois pontos, verifique qual versão do índice produziu cada um.

A vantagem de calibração do Step 5 Preview sobrevive a uma mudança de domínio?

Em parte. Os resultados do Omniscience e do HLE são medidos em conhecimento geral; o comportamento de calibração que eles recompensam é mais valioso quando o modelo é questionado sobre coisas fora de sua distribuição de treinamento. Em um domínio estreito em que ambos os modelos foram intensamente treinados — código, por exemplo — a liderança do MiMo no FrontierCode sugere que a vantagem da abstenção não está fazendo o trabalho pelo qual você está pagando.

Algum dos dois modelos é um substituto direto para o outro?

Não sem verificar. Na prática, eles compartilham uma superfície compatível com OpenAI, mas os controles de raciocínio diferem, os limites de saída diferem, e a pegada ativa de 27B do Step 5 Preview muda quanto de um prompt longo você consegue manter residente. Porte o prompt, reexecute seu próprio conjunto de avaliação e compare na sua carga de trabalho, em vez de no slide de qualquer um dos fornecedores.

A versão curta da decisão: se sua carga de trabalho é intensiva em conhecimento, sensível à latência e com alto custo de erro, o prêmio de nove vezes cobrado pelo Step 5 Preview é defensável, e seus 179 tokens por segundo tornam seu uso agradável. Se sua carga de trabalho é código, automação e sessões longas sobre o mesmo contexto, o MiMo V2.6 Pro é o melhor modelo a um preço que não chega nem perto — e é aquele dos dois que você pode colocar atrás de um roteador hoje e do qual pode migrar amanhã.