Step 5 Preview против MiMo V2.6 Pro: один пункт индекса за девятикратный счёт

В том же прогоне Artificial AnalysisStep 5 Preview и MiMo V2.6 Pro от Xiaomi финишируют с разницей в один балл интеллекта: 29 против 30. Но по цене они расходятся не на один доллар. В том же прогоне выполненная индексная задача стоит $2.35 для Step 5 Preview и $0.26 для MiMo V2.6 Pro — разрыв примерно девять к одному. Обе модели — mixture-of-experts с открытыми весами и окном в миллион токенов, обе принимают и изображения, и текст, и обе появились с разницей в один день в конце сентября 2026 года: Step 5 Preview в API StepFun 20 сентября, MiMo V2.6 Pro — 21 сентября. Это делает сравнение самым чистым прямым противостоянием, доступным в сегменте открытых весов, и единственным сравнением, где более дешёвая модель ещё и немного лучше по баллам.

Далее используется один прогон оценки, выполненный на той версии индекса, которую Artificial Analysis использует сегодня, поскольку почти все страницы сравнения, всё ещё доступные в сети, основаны на устаревшей версии. Приведённые ниже числа воспроизводимы, получены в одном и том же прогоне, и указано, кто их получил.

Два примечания к выпуску с разницей в неделю — два совершенно разных снижения веса

Сроки расходятся так же сильно, как и архитектуры. Step 5 Preview получил API 20 сентября и затем почти четыре недели оставался продуктом, доступным только через хостинг, прежде чем StepFun опубликовала контрольные точки 15 октября. MiMo V2.6 Pro выпустил свои веса под лицензией MIT вместе с API 21 сентября, а Xiaomi одновременно опубликовала рецепт своего обучения с подкреплением, примерно 7 000 сред для задач и дистиллированного 9B-собрата.

Технические характеристики: по одной строке на каждый параметр:

• Общее и активное количество параметров — Step 5 Preview: 600B всего, 27B активных на токен. MiMo V2.6 Pro: 1.0T всего, 42B активных.

• Архитектура — предварительный просмотр Step 5: 92 слоя, разреженное внимание с группированными запросами (grouped-query attention) и блочной индексацией по 8 токенов, а также смесь в пропорции 3:1 гейтированного внимания со скользящим окном и разреженного полного внимания. MiMo V2.6 Pro: разреженная MoE с 384 маршрутизируемыми экспертами, восемь активных на токен.

• Контекст и вывод — предварительный просмотр шага 5: 1 млн токенов. MiMo V2.6 Pro: 1 млн токенов при ограничении вывода в 131K на нашей собственной странице модели.

• Ввод — предварительный просмотр шага 5: текст, изображение и видео. MiMo V2.6 Pro: текст, изображение, видео и аудио, причём заявлено нативное аудио, а не только видео.

• Веса и лицензия — Step 5 Preview: BF16 и FP8, в соответствии с лицензией StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Цена за миллион токенов — Step 5 Preview: $1.00 вход, $2.70 выход, $0.10 кешированные. MiMo V2.6 Pro: $0.435 вход, $0.87 выход, $0.0036 кешированные.

Разрыв в числе параметров — первое, что бросается в глаза. Step 5 Preview — меньшая модель как по общему размеру, так и по активным вычислениям: 27B против 42B. Это не случайность упаковки; технический блог StepFun отстаивает противоположный компромисс — узкий глубокий стек, обученный вести себя как гораздо более крупная модель в долгосрочной агентной работе, и именно поэтому 92 слоя укладываются в рамки 600B, а не триллиона параметров.

Табло пересчитали, но старые цифры всё ещё повсюду.

Если вы поищете это сравнение сегодня, большинство результатов скажут вам, что MiMo V2.6 Pro набирает 46, а Step 5 Preview — 44. Это были реальные показатели. Они были получены на более ранней версии Artificial Analysis Intelligence Index, и с тех пор эта версия была заменена. В таблице в её нынешнем виде те же две модели показывают 30 и 29, а модели, которые раньше располагались рядом с ними, сместились на сопоставимые величины.

Это важно по практической причине, а не из-за педантизма: каждый производный показатель, вычисленный на основе старых оценок, теперь неверен. Соотношение «$0.13 против $0.72 за задачу», которое ходило при запуске, стало $0.26 против $2.35. Порядок не изменился — MiMo по-прежнему опережает на один пункт, — но масштаб всех сопутствующих показателей изменился, а трактовка затрат сместилась от погрешности округления к фактору, влияющему на решение.

Предостережение о том, как читать любые из этих чисел: индекс представляет собой взвешенный композитный показатель, и его суббенчмарки резко расходятся для этой пары. Если приводить только композитный показатель, это скроет единственную часть сравнения, ради которой Step 5 Preview вообще имеет смысл существовать.

Где «девять к одному» что-то покупает

Три промежуточных результата одного и того же прогона действительно говорят в пользу Step 5 Preview, и они группируются вокруг одной темы: говорить меньше, когда система не знает.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% против MiMo V2.6 Pro 15%. Почти девять процентных пунктов отрыва на самом сложном бенчмарке знаний в наборе.

• AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Оценка поощряет как калиброванный отказ от ответа, так и правильное воспроизведение, а отрицательное значение означает, что модель чаще уверенно отвечает неправильно, чем молчит.

• Скорость вывода — Step 5 Preview: 179,1 токена в секунду против 58,0 у MiMo V2.6 Pro, измерено на одном и том же сервисе. Трёхкратная пропускная способность — это реальная разница в задержке в агентном цикле, который делает десяток последовательных вызовов.

Все три вместе — стройное обоснование премиальной цены: модель, которая меньше галлюцинирует и быстрее выдаёт результат, стоит больше за токен именно в тех рабочих нагрузках, на которые ориентируются оба поставщика, — долгоживущие агенты, промпты масштаба репозитория, исследовательский синтез. Вопрос о том, стоит ли она в девять раз больше, — отдельный, и ответ зависит от того, во сколько вам обходится неверный, но уверенный ответ.

Где MiMo побеждает без оговорок

Код и автоматизированные тесты идут в обратном направлении, причём отнюдь не в узком смысле.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% против Step 5 Preview 12%. Вдвое больше баллов в бенчмарке по программированию — это самое крупное расхождение в этой паре.

• AutomationBench-AA — 59% против 51%.

• Terminal-Bench 4.0 — 35% против 33%, небольшое преимущество, которое важно, потому что агентное позиционирование Step 5 Preview строится на работе с терминалом.

• GDPpdf — 19% против 15%, и Terminal-Bench-Science 6% против 2%, оба показателя скромные, но стабильные.

Победы Step 5 Preview на HLE и Omniscience воспринимаются как широта знаний и калибровка; победы MiMo на FrontierCode и AutomationBench — как способность действовать. Для кодинг-агента это не равноценные валюты.

Экономика кеша — та часть, которая с наибольшей вероятностью удивит того, кто моделирует расходы. Тариф на кешированный ввод у MiMo V2.6 Pro составляет $0,0036 за миллион токенов против $0,10 у Step 5 Preview — разница в 28 раз по классу токенов, который преобладает в длительной сессии агента, где один и тот же контекст репозитория или документа перечитывается на каждом ходу. MiMo также предлагает тариф UltraSpeed по цене $4,35 за ввод и $8,70 за вывод для вызовов, критичных по задержке, — это способ купить пропускную способность без смены моделей.

Сколько на самом деле стоит один ход агента

Возьмём один показательный вызов: 400 000 токенов на входе, 20 000 токенов на выходе. По прейскурантным ценам это $0,454 для Step 5 Preview и $0,191 для MiMo V2.6 Pro — разрыв в 2,4 раза, а не в девять раз. Теперь выполним тот же контекст десять раз в рамках одной сессии. Если кэш выполняет свою работу, Step 5 Preview повторно считывает эти 400 000 токенов по $0,10 за миллион, а MiMo V2.6 Pro — по $0,0036, и разрыв на кэшированной части расширяется примерно до 28 к 1.

Эта арифметика объясняет, почему разрыв в расчёте на задачу и разрыв в «ценнике» не совпадают. Показатель на задачу — это взвешенное среднее по полной оценке с интенсивным повторным использованием промптов, поэтому он в равной мере отражает ставку кэширования и заявленную ставку. Если ваша нагрузка — это одноразовые промпты со свежим контекстом при каждом вызове, ориентируйтесь на цифру около 2,4-кратной. Если же это постоянный агент, повторно читающий одни и те же файлы, то девятикратная цифра — более честное число для планирования.

Что вы можете назвать сегодня

MiMo V2.6 Pro присутствует в каталоге OrcaRouter под идентификатором модели xiaomi/mimo-v2.6-pro и тарифицируется по собственной прайс-листовой ставке Xiaomi — $0.43 за вход и $0.87 за выход на миллион токенов, без добавления наценки сверху. Здесь это важно по конкретной причине: ценообразование в этом сравнении — то, что наиболее вероятно изменится, а роутер со сквозной тарификацией означает, что изменение цен Xiaomi отразится в вашем счёте в тот же день, а не при следующем продлении договора.

Step 5 Preview отсутствует в нашем каталоге. Вызывать его по-прежнему можно только через собственный API StepFun или через сторонний хостинг, на котором размещены чекпоинты. Для команды, взвешивающей эти два варианта, такая асимметрия сама по себе служит аргументом: одну сторону этого сравнения можно проверить на резервном варианте в рамках одной конфигурации маршрутизации, а другую — нельзя. DSL маршрутизации позволяет направлять трафик кодинга в MiMo V2.6 Pro и держать вторую модель за автоматическим переключением при сбое, так что всплеск задержки у одного провайдера не выведет агента из строя. Если преимущество MiMo в один пункт не сохранится на вашей рабочей нагрузке, переключение стоит смены идентификатора модели, а не контракта.

Вопросы, которые постоянно вызывает это противостояние

Почему на большинстве страниц сравнения по-прежнему указано 46 против 44?

Потому что они были рассчитаны по предыдущей версии индекса и не были пересчитаны. Изменилась сама базовая методика оценки, а не только модели, поэтому все показатели, производные от неё, — включая стоимость в расчёте на задачу, — сдвинулись вместе с ней. Когда две страницы приводят эту пару и расходятся более чем на один-два пункта, проверьте, какой версией индекса получен каждый показатель.

Сохраняется ли преимущество Step 5 Preview в калибровке при доменном сдвиге?

Отчасти. Результаты Omniscience и HLE измеряются на общих знаниях; поведение калибровки, которое они поощряют, наиболее ценно там, где модель спрашивают о вещах за пределами её обучающего распределения. В узкой области, где обе модели усиленно обучали, — например, в коде, — лидерство MiMo по FrontierCode говорит о том, что преимущество в воздержании от ответа не выполняет ту работу, за которую вы платите.

Может ли какая-либо из моделей служить прямой заменой для другой?

Только не без проверки. На практике у них общая OpenAI-совместимая поверхность, но средства управления рассуждениями различаются, потолки вывода различаются, а 27B активный объём Step 5 Preview меняет, какую часть длинного промпта можно удерживать резидентной. Перенесите промпт, прогоните собственный оценочный набор и сравнивайте на своей рабочей нагрузке, а не на слайде любого из вендоров.

Кратко о решении: если ваша рабочая нагрузка требует больших знаний, чувствительна к задержкам и дорога в случае ошибки, девятикратная наценка Step 5 Preview оправданна, а 179 токенов в секунду делают работу с ней приятной. Если ваша рабочая нагрузка — это код, автоматизация и долгие сеансы с одним и тем же контекстом, MiMo V2.6 Pro — лучшая модель по несопоставимо более низкой цене, и именно её из этих двух можно сегодня поставить за роутером, а завтра переключиться с неё.