MiMo-V2.6-Pro vs GLM-5.2: Två MoE:er med öppna vikter, och benchmarken du inte får subtrahera

Den lataste versionen av den här jämförelsen ställer Xiaomi MiMo-V2.6-Pros 72,57 bredvid GLM-5.2s 46,2, kallar det för en vinst med 26 poäng och publicerar den. Den är fel av en anledning som inte har något att göra med vilken modell som är bättre: de två siffrorna är inte samma mätning. Xiaomis 72,57 är ett genomsnitt av tre i sitt eget testramverk med mini-swe-agent och har aldrig skickats in till en offentlig resultattavla; 46,2 är en Pass@1-siffra från ett helt annat testramverk. Den ärliga jämförelsen mellan Xiaomi MiMo-V2.6-Pro och GLM-5.2 är en annan, på en måttstock som båda faktiskt kördes mot — och på den måttstocken är gapet verkligt, men det är tolv poäng, inte tjugosex.

På Artificial Analysis Intelligence Index v4.3.2, avläst den 22 september 2026, får Xiaomi MiMo-V2.6-Pro 46 poäng. GLM-5.2 får 34 poäng. Båda är mixture-of-experts-modeller med öppna vikter från kinesiska labb, båda använder ett kontextfönster på 1M tokens, och båda är prissatta tillräckligt billigt för att valet mellan dem handlar om förmåga och servering, inte budget. Det är där likheten slutar, för GLM-5.2 har ersatts av sin egen tillverkare, och sidan som den här jämförelsen skrivs på har ett utfasningsmeddelande.

Vad varje modell är, och i vilket tillstånd den befinner sig

GLM-5.2 är Z.ai:s flaggskepp, släppt den 16 juni 2026. Det är en mixture-of-experts-transformer med ungefär 753 miljarder parametrar totalt och omkring 40 miljarder aktiva per token, och enligt uppgift tränades den helt och hållet på Huawei Ascend-acceleratorer i stället för Nvidia-hårdvara. Den levereras med öppna vikter under MIT-licensen med FP8- och INT4-kvantiseringar, har en kontext på 1M tokens med upp till 131 072 tokens utdata och listas till $1,40 per miljon indatatokens och $4,40 per miljon utdatatokens på Z.ai:s eget API, med cachad indata till $0,26 och en blandad taxa på $0,90. Artificial Analysis uppmätte den till 72,6 utdatatokens per sekund och 5,98 sekunder till första token, till en kostnad av $1 559,05 för att köra hela indexet.

Xiaomi MiMo-V2.6-Pro blev allmänt tillgänglig den 22 september 2026, med dess checkpoint-repositorier för förstärkningsinlärning som dök upp dagen innan. Det är en gles mixture-of-experts-modell med 1,02 biljoner parametrar totalt och 42 miljarder aktiverade per token — en större total än GLM-5.2 och en nästan identisk aktiv mängd — med ett kontextfönster på 1 miljon tokens, inbyggd multimodalitet över text, bild, video och ljud, samt MIT-licensierade vikter. Xiaomi behöll föregående generations prissättning i stället för att prissätta uppåt, så den listas på $0,43 och $0,87 per miljon tokens med 99 % cacherabatt och ett blandat pris på $0,18.

• Vikter – både MIT-licensierade och nedladdningsbara; detta är den enda kategorin där de två är genuint lika

• Aktiva parametrar — MiMo-V2.6-Pro 42B per token; GLM-5.2 omkring 40B. Nästan identiska, vilket gör poänggapet till ett träningsresultat snarare än ett skalresultat

• Totalt antal parametrar — MiMo-V2.6-Pro 1,02T; GLM-5.2 ungefär 753B

• Indexpoäng — MiMo-V2.6-Pro 46; GLM-5.2 34, båda enligt Artificial Analysis v4.3.2

• Listpris — MiMo-V2.6-Pro $0.43 / $0.87 per 1M; GLM-5.2 $1.40 / $4.40, blandat $0.18 mot $0.90

• Kostnad för att köra indexet — MiMo-V2.6-Pro $206.66; GLM-5.2 $1,559.05

• Hastighet — MiMo-V2.6-Pro 134,3 utdatatokens/sekund; GLM-5.2 72,6

• Tid till första token — MiMo-V2.6-Pro 2,15 sekunder; GLM-5.2 5,98 sekunder

• Status — MiMo-V2.6-Pro aktuell och allmänt tillgänglig; GLM-5.2 utfasad på Artificial Analysis, som nu endast benchmarkar den vid den förvalda indata-arbetsbelastningen på 10k

Utfasningsmeddelandet är rubriken

Z.ai har sedan dess släppt GLM-5.3, och Artificial Analysis-sidan för GLM-5.2 säger det direkt, markerar modellen som utfasad och begränsar fortsatt benchmarkarbete till en enda standardarbetsbelastning. Det förändrar vad den här sidan är till för. Om du väljer en ny modell idag är matchningen du faktiskt bryr dig om MiMo-V2.6-Pro mot GLM-5.3, inte GLM-5.2 — och på samma v4.3.2-index får GLM-5.3 vid maximal ansträngning 45 mot MiMo-V2.6-Pros 46. En poäng. Det är en riktig fight, och det är en helt annan artikel.

Jämförelsen med GLM-5.2 är fortfarande värd att göra, av en specifik anledning: den är den billigaste möjliga illustrationen av hur snabbt frontlinjen för öppna vikter rörde sig mellan juni och september 2026. Tolv indexpoäng på ungefär fjorton veckor, med antalet aktiva parametrar i stort sett oförändrat. Vad det än var som åstadkom den vinsten, så var det inte skala.

Vad GLM-5.2 var bra på, och huruvida det fortfarande är det

GLM-5.2:s lanseringsmaterial ledde inom kodning och långvarigt agentiskt arbete, och siffrorna håller fortfarande som beskrivning av modellen: SWE-bench Pro på 62,1 mot 58,4 för GLM-5.1, Terminal-Bench 2.1 på 81,0 mot 63,5 och FrontierSWE på 74,4 mot 30,5. På kunskaps- och matematiksidan rapporterades GPQA-Diamond på 91,2, AIME 2026 på 99,2 och Humanity's Last Exam på 40,5. Den ledde alla modeller på ett långsiktigt agentiskt kodningsbenchmark vid den tiden och rankades tvåa på en offentlig webbutvecklingsleaderboard. Dessa är leverantörsrapporterade siffror på leverantörens egna testramverk, och det vanliga förbehållet gäller för varenda en av dem.

Xiaomis egna publicerade siffror för MiMo-V2.6-Pro är inte jämförbara med dem, och det är värt att vara precis om varför i stället för att bara antyda det. Xiaomi rapporterar att modellen går från 58,4 till 72,57 på DeepSWE v1.1 under sin förstärkningsinlärningskörning, utvärderad med mini-swe-agent vid medelvärde av tre, med sin egen bedömningsfunktion, med körningen dokumenterad som 30 steg och ungefär 750 000 trajektorier slutförda på under sex dagar till en publicerad kostnad på omkring 2,62 miljoner dollar för Pro-modellen. Inget av detta är en post på en resultattavla. En post på en resultattavla är ett påstående om en specifik konfiguration under angivna förhållanden som en tredje part kan köra om, och Xiaomis är inte en sådan. En separat tracker listar GLM-5.2 på 46,2 på DeepSWE — Pass@1, ett annat mått inom samma uppgiftsfamilj — och att ställa 72,57 bredvid 46,2 för att få en marginal på 26 punkter är aritmetik på två olika skalor. Man bör inte göra det, och det är det vanligaste felet som cirkulerar om detta par.

Att välja mellan dem, och routningen som gör det billigt

Om båda är öppna vikter under samma licens är de avgörande faktorerna vad du kan köra och var du kan anropa den. GLM-5.2 finns på OrcaRouter som z-ai/glm-5.2 — en OpenAI-kompatibel endpoint, leverantörens listpris vidarebefordrat med 0 % påslag, så en prisändring från Z.ai är live hos oss samma dag. Xiaomi MiMo-V2.6-Pro finns inte på OrcaRouter; det gör ingen Xiaomi-modell, och att nå den innebär Xiaomis egen plattform eller en av de tredjepartskataloger som listar den. Vi säger hellre det än låter en modellsida antyda något annat.

Den användbara konsekvensen är att du kan behålla de befintliga på en och samma nyckel och utvärdera nykomlingen mot dem utan ett andra avtal. Om MiMo-V2.6-Pro vinner på dina prompter har du lärt dig det billigt. Om den inte gör det – och gapet på tolv indexpunkter är litet i förhållande till hur stort prisskillnaden per token är, så utfallet beror verkligen på din arbetsbelastning – har du inte förlorat något utom testet. Att routa de två bakom en och samma endpoint med automatisk failover besvarar också den praktiska invändningen mot en modell som lanserades den här veckan: en enda serveringsväg är en enda felpunkt, och en väg du kan falla tillbaka från är det som gör en ny modell säker att sätta framför verklig trafik.

Det korta svaret

Om du kör GLM-5.2 i dag och det fungerar är uppgraderingsfrågan inte MiMo-V2.6-Pro – det är GLM-5.3, i samma utvecklingslinje, med ett poängs avstånd till Xiaomi-modellen och ingen migreringskostnad. Om du väljer en inriktning från grunden och vill ha öppna vikter med det bästa uppmätta resultatet av de tre är MiMo-V2.6-Pros 46 siffran som gäller, och dess 134,3 tokens per sekund och 0,13 USD per indexuppgift är skälen till att det inte är en knapp seger. Om du vill ha det säkraste av de tre är GLM-5.2 fel svar av en anledning som inte har något att göra med hur bra det var i juni: det är det enda av de tre som dess egen leverantör har slutat utveckla.

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.