MiMo-V2.6-Pro vs Gemini 3.1 Pro: En 16-punktsskillnad som bara existerar i en indexversion

Ställer du Xiaomi MiMo-V2.6-Pro och Gemini 3.1 Pro Preview sida vid sida på Artificial Analysis Intelligence Index får du 46 mot 30 – en ledning på sexton poäng för en modell som kostar en femtedel så mycket för indata. Ställer du dem sida vid sida mot de siffror som båda leverantörerna publicerade vid sina egna lanseringar vinner Gemini 3.1 Pro med elva. Båda tolkningarna kommer från samma utvärderare. Anledningen till att de skiljer sig åt är den enskilt mest användbara insikten när man jämför modeller i september 2026: indexet har byggts om under dem båda, och en poäng är bara meningsfull vid sidan av versionsnumret som producerade den.

v4.3.2-kompositen är den aktuella. Den omfattar tio utvärderingar – AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience och AA-LCR v1.1 – och enligt den, avläst den 22 september 2026, får Xiaomis modell 46 och Googles 30. Vid lanseringen den 19 februari 2026 rapporterades Gemini 3.1 Pro Preview ligga på 57 på den dåvarande skalan, vilket toppade resultattavlan. De två Gemini-siffrorna är inte en nedgång. De är två olika måttstockar.

Vad varje modell faktiskt är

Gemini 3.1 Pro Preview är Googles banbrytande resonemangsmodell, släppt den 19 februari 2026 och bär fortfarande etiketten preview sju månader senare. Den har ett kontextfönster på 1M tokens, begränsar utdata till 65 536 tokens – listas som 64K av Artificial Analysis och 65K på vår egen modellsida – och tar in text, bilder, PDF:er, ljud och video, och ger text ut. Den är proprietär, med ett ej offentliggjort antal parametrar och en kunskapsgräns i januari 2025. Googles eget API debiterar 2,00 USD per miljon indatatokens och 12,00 USD per miljon utdatatokens under 200K indata, och går över till 4,00 respektive 18,00 USD över det, med cachad indata till 0,20 USD.

Xiaomi MiMo-V2.6-Pro blev allmänt tillgänglig den 22 september 2026, och förråden med checkpoints från förstärkningsinlärningen dök upp dagen innan. Det är en gles mixture-of-experts-modell med totalt 1,02 biljoner parametrar och 42 miljarder aktiverade per token, med ett kontextfönster på 1 miljon token, inbyggd multimodalitet för text, bild, video och ljud samt nedladdningsbara vikter under MIT-licens. Xiaomi behöll prissättningen från den tidigare MiMo-V2.5-generationen i stället för att prissätta den nya checkpointen uppåt: $0,43 per miljon indata-token och $0,87 per miljon utdata-token, med 99 % cacherebatt och en blandad kostnad på $0,18 vid en mix av 7:2:1 för cacheträff/indata/utdata.

• Vikter — Xiaomi MiMo-V2.6-Pro MIT-licensierad och nedladdningsbar; Gemini 3.1 Pro Preview proprietär, endast API

• Parametrar — MiMo-V2.6-Pro 1,02T totalt / 42B aktiva; Gemini 3.1 Pro Preview ej offentliggjort

• Kontext — 1M tokens båda; Gemini 3.1 Pro Preview begränsar utdata till 65 536 tokens, MiMo-V2.6-Pro anger ingen motsvarande gräns

• Modalitet — MiMo-V2.6-Pro tar emot text, bild, video och ljud; Gemini 3.1 Pro Preview tar emot text, bild, PDF, ljud och video

• Listpris — MiMo-V2.6-Pro $0.43 / $0.87 per 1 miljon tokens; Gemini 3.1 Pro Preview $2.00 / $12.00 under 200K indata, $4.00 / $18.00 över

• Cache — MiMo-V2.6-Pro 99 % rabatt; Gemini 3.1 Pro Preview $0.20 per 1 miljon cachade läsningar

• Hastighet — MiMo-V2.6-Pro 134,3 utdatatoken/sekund; Gemini 3.1 Pro Preview 121,8

• Tid till första token — MiMo-V2.6-Pro 2,15 sekunder; Gemini 3.1 Pro Preview 63,62 sekunder

• Uppmätt kostnad för att köra indexet — MiMo-V2.6-Pro 206,66 $, eller 0,13 $ per uppgift; Gemini 3.1 Pro Preview 1 310,21 $, eller 0,67 $ per uppgift

Förhandsgranskningsetiketten är den verkliga skillnaden

Allt ovanstående är en specifikation. Den enda rad som förändrar hur du bör läsa hela jämförelsen är ordet "preview". En preview-modell är en kandidat som Google inte har förbundit sig att behålla vid den slutpunkten. Det har betydelse för en jämförelsesida på ett sätt som en skillnad på sexton punkter i index inte har, eftersom en modell som du inte kan lita på att den finns kvar om sex månader inte är en modell som du standardiserar på — och Googles egen familj har redan gått förbi den. Gemini 3.6 Flash och Gemini 3.8 Flash ligger över Gemini 3.1 Pro inom kodning och agentiskt arbete till lägre kostnad, vilket är varför en teknisk recension av lanseringen av 3.1 Pro beskrev den som klart tillhörande föregående generation. Själva AA-sidan listar den på rang 71 av 202 i intelligens.

Xiaomis modell befinner sig i motsatt position. Den släpptes den här veckan, vikterna finns ute under MIT, och serveringsegenskaperna är det starkaste med den. 134,3 utdatatoken per sekund placerar den på elfte plats av 114 modeller som mätts för hastighet, och 2,15 sekunder till första token är ungefär trettio gånger snabbare än Gemini 3.1 Pro Previews 63,62 sekunder. För en interaktiv tillämpning är det inte ett avgörande argument. Det är skillnaden mellan en produkt och en demo, och det är siffran som med störst sannolikhet är osynlig i en benchmarktabell.

Vart pengarna faktiskt går

Per-token-aritmetik underskattar gapet mellan dessa två, eftersom modellerna inte förbrukar samma antal tokens för att slutföra samma uppgift. Den tydligare siffran är vad Artificial Analysis uppmätte för att köra sitt fullständiga Intelligence Index mot var och en: 206,66 USD för MiMo-V2.6-Pro och 1 310,21 USD för Gemini 3.1 Pro Preview. Samma svit, samma testramverk, mätt på samma sätt — en skillnad på 6,3x på en identisk uppsättning uppgifter, och en som redan tar hänsyn till att resonemangsmodeller avger en massa tokens när de tänker. Gemini 3.1 Pro Preview genererade 67 miljoner utdatatokens över hela indexet; medianen för modeller i dess prisklass är 90 miljoner, så det är faktiskt mer ekonomiskt per poäng än jämförbara modeller, och det kostar fortfarande sex gånger mer att utvärdera än Xiaomi-modellen gör.

Sätt sedan en produktionsloop mot den. En agentkörning i 30 steg som läser 200 000 token kontext per steg och skriver 2 000 token per steg är 6 miljoner indatatoken och 60 000 utdatatoken per körning. På Gemini 3.1 Pro Preview under 200K-nivån är det $12,00 i indata och $0,72 i utdata — $12,72 per körning. På MiMo-V2.6-Pro är det $2,58 och $0,05 — $2,63. Om du passerar 200 000 indatatoken på Google-modellen fördubblas indatapriset till $4,00, och då kostar samma loop $24,00 innan utdata. Cachning förändrar båda siffrorna, men en 99 % rabatt på en billig modell jämfört med en cacheläsning på $0,20 på en dyr modell gör att den dyra modellen ligger en storleksordning högre på en kontexttung loop.

Routningsfrågan, ärligt formulerad

Här är delen som är lätt att få fel. Gemini 3.1 Pro Preview finns på OrcaRouter som google/gemini-3.1-pro-preview, nåbar via en enda OpenAI-kompatibel nyckel till leverantörens listpris med 0 % påslag — så en prisändring från Google slår igenom hos oss samma dag i stället för vid nästa faktureringscykel. Xiaomi MiMo-V2.6-Pro finns inte på OrcaRouter. Ingen Xiaomi-modell gör det, och att säga det rakt ut är mer användbart än att låta en modellsida antyda något annat. Att nå den i dag innebär att använda Xiaomis egen plattform eller en av de tredjepartskataloger som listar den.

Den asymmetrin är precis varför en router förtjänar sin plats i den här jämförelsen i stället för att vara en fotnot till den. De två modellerna konkurrerar inte om samma förfrågningar. Gemini 3.1 Pro Preview är den befintliga modellen som du kanske redan betalar för, och frågan som den här sidan besvarar är om den nya billiga modellen kan ta en del av dess trafik. Att köra det testet ordentligt innebär att skicka dina egna prompter till båda och jämföra svaren, inte att läsa ett index – och att göra det genom att teckna ett andra avtal, en andra nyckel och en andra faktureringsrelation är den friktion som gör att testet aldrig blir av. En nyckel, båda banorna där vi dirigerar dem, och jämförelsen blir en konfigurationsändring. Automatisk failover täcker den andra halvan: en förhandsversionsmodell kan dras tillbaka eller begränsas i hastighet med kort varsel, och en andra bana bakom samma slutpunkt är det som förvandlar det från ett avbrott till ett routingbeslut.

Vilken att välja

Välj Gemini 3.1 Pro Preview när uppgiften behöver inbyggd inmatning av PDF och ljud, när du redan befinner dig i Googles ekosystem, eller när du specifikt behöver beteendet hos den modellen och kan leva med risken att en förhandsvisningsslutpunkt avvecklas. Dess tid till första token på 63 sekunder innebär att det i praktiken är en modell för batch- och offline-arbetsbelastningar, oavsett vad marknadsföringen säger om interaktivitet.

Välj MiMo-V2.6-Pro när volymen är begränsningen, när loopen är kontexttung och repetitiv, när du vill ha vikterna på din egen hårdvara – MIT tillåter kommersiell driftsättning, modifiering och vidare träning – eller när latensen för första token är en del av produkten. Det är det sällsynta fallet med en billig modell som också är den snabba, och den kombinationen är värd mer än de sexton indexpoängen antyder.

Det som skulle förändra bilden är en efterföljare till Gemini 3.1 Pro som inte är en förhandsversion, eller en oberoende reproduktion av de DeepSWE-siffror som Xiaomi publicerade från sin egen testrigg – 72,57 för Pro, 65,68 för Flash, med en förflyttning från 58,4 respektive 48,8 under körningen med förstärkningsinlärning. Dessa siffror är leverantörsrapporterade, utvärderade i Xiaomis bedömningsverktyg med mini-swe-agent som medelvärde av tre, och har inte skickats in till någon offentlig resultattavla. Tills någon kör dem igen är Artificial Analysis 46 siffran att citera, och den är mätt med samma måttstock som 30.

OrcaRouter sätter 200+ modeller bakom en enda OpenAI-kompatibel slutpunkt till leverantörens listpris med 0 % påslag, så att en leverantörs prisändring är live samma dag.