MiMo-V2.6-Pro placerar öppna vikter på Pareto-linjen till $0.13 per uppgift

Xiaomi MiMo-V2.6-Pro lades upp på Hugging Face den 21 september 2026, och det tal som sedan dess har fått störst spridning är 46 – dess poäng på Artificial Analysis Intelligence Index v4.3.2, den högsta som någon modell med öppna vikter har uppnått på detta sammansatta index. Det tal som avgör om du faktiskt kan köra den är mindre. Artificial Analysis uppmätte $0.1332 i beräkningskostnad per uppgift i Intelligence Index när man utvärderade MiMo-V2.6-Pro i sin egen utvärderingsmiljö, och den siffran placerar modellen på Pareto-linjen i webbplatsens diagram över intelligens kontra kostnad per uppgift. Ovanför avrundningsgränsen är den den enda modellen med öppna vikter på den linjen.

Det är ett snävare och mer användbart påstående än "bästa modellen med öppna vikter", vilket de flesta lanseringsartiklar framställde det som. Att vara först på intelligensaxeln visar taket. Att ligga på kostnadskurvan visar om något annat på marknaden är strikt bättre till det priset. För Xiaomi MiMo-V2.6-Pro är inget det, i skrivande stund.

Vad Pareto-linjen faktiskt mäter

Diagrammet plottar varje modell som Artificial Analysis har utvärderat på två axlar: Intelligence Index på den ena, den viktade genomsnittliga dollarkostnaden för att producera en indexuppgift på den andra. En modell på Pareto-linjen kan inte slås på båda axlarna av någon enskild annan modell – du kan inte hitta något smartare för mindre. Punkter under och till vänster om linjen är dominerade och faller bort från den.

Vi beräknade om frontlinjen utifrån data inbäddade i diagrammet i stället för att läsa av linjen med blotta ögat. Med utgångspunkt i de 326 modeller som har både en indexpoäng och en uppmätt kostnad per uppgift, är den nuvarande frontlinjen fjorton punkter lång:

• Qwen3.5 2B (ej resonerande) — index 6.2, kostnaden per uppgift avrundas till $0.000, öppna vikter
• Devstral 2 — index 8.6, kostnaden per uppgift avrundas till $0.000, öppna vikter
• North Mini Code — index 9.9, kostnaden per uppgift avrundas till $0.000, öppna vikter
• Claude Sonnet 4.6 (ej resonerande, hög ansträngning) — index 24.7, kostnaden per uppgift avrundas till $0.000, stängd
• Grok Build 0.1 0616 — index 27.2, kostnad per uppgift $0.006, stängd
• GPT-5.6 Luna (hög) — index 32.1, kostnad per uppgift $0.044, stängd
• GPT-5.6 Luna (xhög) — index 34.6, kostnad per uppgift $0.085, stängd
• Xiaomi MiMo-V2.6-Pro — index 46.3, kostnad per uppgift $0.133, MIT-licensierade öppna vikter
• GPT-6 Astra (medel) — index 49.6, kostnad per uppgift $1.541, stängd
• GPT-6 Astra (hög) — index 50.9, kostnad per uppgift $1.725, stängd
• GPT-6 Astra (xhög) — index 52.4, kostnad per uppgift $2.309, stängd
• GPT-6 Astra (max) — index 52.7, kostnad per uppgift $3.258, stängd
• Claude Fable 5.1 (xhög, förvald reserv) — index 53.2, kostnad per uppgift $5.978, stängd
• Claude Fable 5.1 (max, förvald reserv) — index 53.4, kostnad per uppgift $7.630, stängd

Tre saker framgår av den listan. De fyra billigaste punkterna är modeller vars uppmätta kostnad avrundas till noll vid fyra decimaler, så den intressanta delen av kurvan börjar vid Grok Build 0.1 0616. Xiaomi MiMo-V2.6-Pro är en verklig knäpunkt i den, inte en avrundningsartefakt: nästa punkt uppåt kostar 11,6 gånger så mycket per uppgift för 3,3 extra indexpoäng. Och av de tio frontierpunkterna med en kostnad som inte är noll har exakt en öppna vikter — vilket är det faktum som inramningen "toppmodell med öppna vikter" döljer. Den närmaste modellen med öppna vikter på intelligensaxeln, GLM-5.3 (max) vid 44,8, är inte i närheten av linjen: den kostar $2,006 per indexuppgift, femton gånger MiMo-V2.6-Pros siffra. Kimi K3 (max) ligger på 43,6 och $2,000 per uppgift.

Prislistan rörde sig inte. Räkningen gjorde det.

Xiaomi har inte höjt priserna för den här generationen. MiMo-V2.6-Pro har ett listpris på 0,435 USD per miljon indatatokens och 0,87 USD per miljon output, med ett pris för cacheträffad input på 0,0036 USD — en rabatt på 99,17 % — vilket är samma prisschema som den tidigare flaggskeppsmodellen hade. Vid en viktad blandning på 7:2:1 för cacheträff/input/output blir det 0,1765 USD per miljon tokens.

Och ändå uppgick kostnaden för att köra Intelligence Index mot MiMo-V2.6-Pro till 206,66 dollar, eller 0,1332 dollar per uppgift, medan samma index mot MiMo-V2.5-Pro kostade 0,054 dollar per uppgift. Artificial Analysis registrerade 140 miljoner utdatatokens för den nyare modellen mot 110 miljoner för den äldre, i samma svit. Prislistan är oförändrad; modellen skriver helt enkelt mer för att svara på samma fråga. Det är den ärliga nyanseringen av Pareto-positionen – Xiaomi MiMo-V2.6-Pro förtjänar sin plats på kostnadsaxeln trots att den blivit mer ordrik, inte för att den blivit billigare.

För den som lägger en budget är den praktiska tolkningen att prissättning per token nu är en svag indikator på vad en arbetsbelastning kostar. Två modeller med identiska prislistor kan skilja sig med 2,5x i kostnad per slutförd uppgift. Cacherabatten är den spak som har störst effekt: vid $0,0036 per miljon cachade indatatoken är skillnaden mellan en prompt som återanvänder kontext och en som inte gör det större än skillnaden mellan de flesta modellpar i den här listan.

Vad poängen omfattar och inte omfattar

46:an är en tredjepartsmätning, och det spelar roll eftersom nästan allt annat som publicerats om MiMo-V2.6-Pro inte är det. Indexversionen spelar också roll: v4.3.2 är en sammansättning av tio utvärderingar som täcker resonemang, kunskap, matematik och kodning, och en poäng är bara jämförbar med andra poäng på samma version. Leverantörens siffror som Xiaomi publicerade i samband med lanseringen – DeepSWE v1.1 på 71,9, AutomationBench v1.0.6 på 53,1, Toolathlon-Verified på 76,9, Terminal Bench 2.1 på 89,9, CyberGym på 94,0 – kommer från Xiaomis eget testramverk och bedömningsverktyg och har inte reproducerats av någon. De är användbara som riktningsvisande bevis för vad modellen har finjusterats för; de är inte poster på en resultattavla.

Den andra halvan av lanseringen är paketet med öppna vikter. Artificial Analysis listar modellen med totalt 1,0T parametrar varav 42B aktiva, ett kontextfönster på 1M tokens, text-, bild-, tal- och videoinmatning med textutdata, samt en MIT-licens med vikter på Hugging Face. Själva repot rapporterar en Safetensors-modellstorlek på 524B parametrar – en tredje siffra som varken matchar totalsumman på 1,0T eller antalet aktiva på 42B, och som Xiaomi inte har stämt av. Om du planerar en egenhostad driftsättning är den avvikelsen värd att reda ut innan du provisionerar något, eftersom en FP8-checkpoint på 524B och en på 1T är olika hårdvarudiskussioner.

En gränspunkt som du för närvarande inte kan routa

Bilden av tillgängligheten är den del av den här lanseringen som begränsar den mest. När Artificial Analysis utvärderade Xiaomi MiMo-V2.6-Pro räknade de en enda API-leverantör för modellen. Hugging Face-repositoriet anger att Xiaomi MiMo-V2.6-Pro inte driftsätts av någon inferensleverantör. Vi är inte heller värd för den, och vi kommer inte att antyda något annat — vägen till den här modellen i dag går via Xiaomis egen plattform och de tredjepartskataloger som listar den.

Det är ett redundansproblem snarare än ett kvalitetsproblem, och det är just det problem som en router finns för att lösa. Ett API för hundratals modeller, med automatisk redundansväxling mellan leverantörer, är det som förvandlar "en leverantör listar för närvarande detta" från en arkitektonisk risk till en konfigurationsdetalj. Det är också så du skulle stega en migrering till en så här ny modell: skicka en andel av trafiken till Xiaomi MiMo-V2.6-Pro, behåll en beprövad modell bakom den och låt routern flytta begäran i stället för din jourrotation. Det fungerar för de modeller vi tillhandahåller. För den här, tills den är routbar, är det ärliga rådet att hålla den borta från en kritisk väg.

Vad skulle få det att lämna linjen?

En Pareto-position är en ögonblicksbild, inte en egenskap hos modellen. Tre saker skulle ändra på den. En prissänkning från Xiaomi skulle flytta Xiaomi MiMo-V2.6-Pro längre åt vänster och göra den svårare att slå – och eftersom vi för vidare leverantörens listpris med 0 % påslag, är en sådan sänkning live hos oss samma dag som den dyker upp någonstans. En billigare modell som presterar över 46,3 skulle slå bort den helt; GPT-6 Astra (low) ligger redan på 45,8 för $0,818 per uppgift, dyrare men obehagligt nära på intelligensaxeln. Och oberoende prestandamätning av MiMo-V2.6-Flash – som för närvarande inte har någon Artificial Analysis-sida alls – skulle kunna visa att det billigare syskonet intar en bättre plats på kurvan för de flesta arbetsbelastningar.

För närvarande är det försvarbara påståendet det aritmetiska. I den aktuella indexversionen, till de aktuella publicerade priserna, finns det ingen modell på marknaden som både är billigare per uppgift och intelligentare än Xiaomi MiMo-V2.6-Pro. Huruvida det överlever sin första oberoende replikering är frågan värd att bevaka.