Xiaomi MiMo-V2.6-Pro vs MiniMax M3: Det bättre resultatet har den tunnare vägen

Xiaomi MiMo-V2.6-Pro blev allmänt tillgänglig den 22 september 2026 och tog den högsta positionen för öppna vikter på Artificial Analysis Intelligence Index med 46 på v4.3.2. MiniMax M3 har hållit en version av den titeln sedan den lanserades den 31 maj 2026, och på samma index idag får den 29 — sjutton poäng efter. Poängen är det minst intressanta med de båda. MiniMax M3 levererar 168,9 utdatatokens per sekund mot 134,3, svarar på 0,92 sekunder mot 2,15, är billigare per indatatoken och är nåbar via femton API-leverantörer mot Xiaomis en. Den nyare, högre poängsatta modellen är den svårare att faktiskt anropa, och den inversionen är vad den här jämförelsen handlar om.

Båda med öppna vikter, båda multimodala, fjorton veckor isär

De två modellerna är nära släktingar till sitt konstruktionssyfte. Båda är sparsa mixture-of-experts-modeller från kinesiska laboratorier, båda har ett kontextfönster på 1M token, båda hanterar bilder och video nativt i stället för via en eftermonterad adapter, och båda publicerar vikter. Fjorton veckor skiljer deras lanseringar åt, och indexgapet mellan dem är den sträcka som fronten för öppna vikter tillryggalade under det tidsfönstret.

• Totalt antal parametrar — Xiaomi MiMo-V2.6-Pro 1,02T; MiniMax M3 ungefär 427B, båda glesa MoE

• Aktiva per token — Xiaomi MiMo-V2.6-Pro 42B; MiniMax M3 ungefär 23–25B

• Kontext — 1M tokens vardera, med MiniMax M3 som garanterar minst 512K

• Modaliteter in – text, bild och video för båda; Xiaomi lägger till ljudinmatning

• Vikter — MIT-licens för Xiaomi MiMo-V2.6-Pro; MiniMax M3 levereras under MiniMax Community Licence, som inte är permissiv och kräver ett separat avtal för kommersiell användning

• Släppt — Xiaomi MiMo-V2.6-Pro 21–22 september 2026; MiniMax M3 31 maj 2026

• Nåbarhet — en API-leverantör räknades för Xiaomi MiMo-V2.6-Pro på Artificial Analysis; femton för MiniMax M3

Den sista raden är den man ska hålla ögonen på. Allt annat på bladet talar till den nyare modellens fördel. Den raden gör det inte, och det är den rad som avgör om en modell kan platsa i en produktionsväg.

Vad indexet mäter, och vem som mätte det

Artificial Analysis körde båda modellerna på egen hand på v4.3.2 – ett sammansatt utvärderingsmått bestående av tio utvärderingar som täcker resonemang, kunskap, matematik och kodning, inklusive 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. Varken 46 eller 29 är en leverantörssiffra, vilket spelar roll här eftersom båda labben också publicerade egna benchmarksiffror som är leverantörssiffror, och de två typerna får inte blandas.

46:an placerar Xiaomi MiMo-V2.6-Pro i täten för open-weights-fältet i den sammansatta mätningen. Den placerar den inte i täten för indexet: Claude Fable 5.1 och GPT-6 Astra ligger båda på 53, och Claude Opus 5 på 51. MiniMax M3:s 29 placerar den på sextonde plats av 114 uppmätta modeller, väl över medianen för sin storleksklass men långt ifrån frontlinjen som den jämfördes med i juni.

MiniMax M3 har bevisen som Xiaomi inte har

Det här är den del av jämförelsen som hoppas över, och det är den del som en köpare bör väga tyngst. MiniMax M3 finns på den offentliga DeepSWE v1.1-topplistan med en officiell post: 20,4 % Pass@1 och 48,7 % Pass@4, publicerad den 8 juni 2026 efter att en MiniMax-inferensuppgradering åtgärdade onormal tokengenerering och förbättrade cachebeteendet för lång kontext. Den posten kom med en effektivitetsredovisning bifogad, och redovisningen är inte smickrande: en median på 311 agentsteg, ungefär 91 000 utdatatokens och cirka 5,04 USD per uppgift. Den klarar ingenjörsuppgifter med lång horisont, och det gör den dyrt.

Xiaomis främsta benchmarkvärde för sin nya modell är 72,57 på DeepSWE v1.1, upp från en baslinje på 58,4, mätt med mini-swe-agent som medelvärde av tre på Xiaomis egen testrigg. Det är inte en post på en resultattavla och har inte skickats in som en sådan. Att ställa 72,57 bredvid MiniMax 20,4 och läsa av en vinst på 52 punkter är aritmetik över två olika mätningar: tavlan publicerar Pass@1 för en specifik konfiguration, med ett konfidensintervall och en genomsnittlig kostnad per uppgift som en tredje part kan köra om, och leverantörens siffra har inget av detta kopplat till sig. 72,57 kan mycket väl vara ärligt. Det är helt enkelt inte samma sorts objekt.

MiniMax publicerade också egna lanseringssiffror, och samma förbehåll gäller för var och en av dem: SWE-Bench Pro på 59,0, BrowseComp på 83,5, SVG-Bench på 63,7 och Terminal-Bench 2.1 på 66,0, körda på MiniMaxs egen infrastruktur med sin egen scaffolding. Betrakta dem som påståenden om modellen, inte som mätningar av den.

Hastighet, latens och de två siffrorna som avgör en räkning

Genomströmningsgapet går i motsatt riktning mot kvalitetsgapet, och det är tillräckligt stort för att spela roll. MiniMax M3 genererar 168,9 utdatatoken per sekund mot 134,3 för Xiaomi MiMo-V2.6-Pro, och dess 0,92 sekunder till första token är ungefär två och en halv gånger snabbare än Xiaomis 2,15. För en interaktiv produkt är latensen för första token den siffra en användare känner; för en batchpipeline är genomströmningen den siffra som sätter väggklockan.

Vad gäller kostnad ligger de två närmare varandra än vad rubrikpriserna antyder, och riktningen beror på din trafik. MiniMax M3 listas till 0,30 USD per miljon indatatokens och 1,20 USD per miljon utdata; Xiaomi MiMo-V2.6-Pro listas till 0,43 och 0,87 USD. M3 är billigare för indata, Xiaomi är billigare för utdata. När cacherabatterna tillämpas – 80 % för M3, 99 % för Xiaomi – hamnar de sammanvägda priserna på 0,22 USD respektive 0,18 USD per miljon vid en 7:2:1-mix av cacheträffar/indata/utdata. Artificial Analysis registrerar också en kostnad på 0,13 USD per Intelligence Index-uppgift för Xiaomi MiMo-V2.6-Pro, mätt på samma sätt för varje modell på resultattavlan, vilket är den mest jämförbara enskilda kostnadssiffran som finns för de två.

Femton rutter mot en, och vad failover är värt

Ett indexförsprång på sjutton poäng hjälper dig inte om slutpunkten är nere. Artificial Analysis räknade en enda API-leverantör för Xiaomi MiMo-V2.6-Pro vid skrivandet, och den siffran säger något om lanseringen snarare än om modellen: en checkpoint som publicerades för tre dagar sedan har inte hunnit spridas. MiniMax M3, fyra månader gammal, serveras av femton.

Den skillnaden är vad en router är till för, och det är där de två modellerna skiljer sig åt kommersiellt. MiniMax M3 finns på OrcaRouter som minimax/minimax-m3: en OpenAI-kompatibel endpoint, leverantörens listpris vidarebefordrat utan påslag, så $0.30 och $1.20 ovan är MiniMax egna siffror och inte våra, och en prisändring från MiniMax är live hos oss samma dag. Dess femton uppströmmar är vad som gör en automatisk failover-kedja meningsfull — en förfrågan som fastnar hos en leverantör gör ett nytt försök hos en annan innan svaret börjar, vilket är en annan garanti än en modell som bara har en plats att gå till. Xiaomi MiMo-V2.6-Pro finns inte på OrcaRouter; ingen Xiaomi-modell gör det, och att nå den i dag innebär Xiaomis egen plattform och de tredjepartskataloger som listar den.

Om du vill ha båda i samma applikation är den praktiska formen en nyckel som håller de modeller du redan har bestämt dig för, där nykomlingen utvärderas mot dem i stället för att antas med stöd av en tre dagar gammal poäng. Det är ett routingbeslut, och den användbara egenskapen är att en reservväg inte kostar något förrän den dag den räddar dig.

Vilken ska man välja?

Om du behöver en open-weight-modell som är multimodal och klarar en miljon token i produktion den här veckan, är svaret MiniMax M3, och det är inte ens nära — femton leverantörer, första token på under en sekund, en kommersiell väg som är tillräckligt tillåtande endast om du har läst community-licensen, och en officiell benchmark-post för lång horisont som du kan granska. Effektivitetsvarningen är verklig: budgetera för 91 000 utdata-token per uppgift, inte bara per-token-priset.

Om du väljer en modell för arbete som du ska börja med nästa månad är Xiaomi MiMo-V2.6-Pro den mer kapabla modellen med en stor uppmätt marginal, till en lägre blandad kostnad och med en MIT-licens som helt tar bort licensdiskussionen. Det den ännu inte har är en andra plats att köra på. Det man bör hålla ögonen på är antalet leverantörer: när det rör sig ifrån ett slutar gapet på sjutton punkter att vara ett forskningsresultat och blir ett driftsättningsbeslut.

Fram till dess är den ärliga sammanfattningen att den bättre modellen är den du inte kan växla över från, och den svagare modellen är den du kan sätta framför kunder i kväll.

Var siffrorna i det här stycket kommer ifrån

Indexpoäng, genomströmning, latens, cacherabatter och antal leverantörer för båda modellerna är Artificial Analysis-mätningar på Intelligence Index v4.3.2, avlästa den 22 september 2026, och 29:an för MiniMax M3 ligger på samma version av sammansättningen som 46:an för Xiaomi MiMo-V2.6-Pro. Siffrorna för DeepSWE v1.1 för MiniMax M3 kommer från den offentliga resultattavleposten från den 8 juni 2026. Rörelsen i DeepSWE från 58,4 till 72,57, utgifterna för förstärkningsinlärning på ungefär 2,62 miljoner dollar för Pro-körningen över trettio steg, samt siffrorna för SWE-Bench Pro, BrowseComp, SVG-Bench och Terminal-Bench för MiniMax M3 är alla leverantörsrapporterade i respektive labs egna testramverk och har inte reproducerats oberoende. Priserna per token är leverantörernas egna listpriser.