Step 5 Preview vs MiMo V2.6 Pro: En indexpoäng för nio gånger priset

I samma Artificial Analysis-körning skiljer sig StepFuns Step 5 Preview och Xiaomis MiMo V2.6 Pro med en intelligenspoäng: 29 mot 30. De skiljer sig inte med bara en dollar. I samma körning kostar en slutförd indexuppgift $2.35 för Step 5 Preview och $0.26 för MiMo V2.6 Pro, en skillnad på ungefär nio till ett. Båda är mixture-of-experts-modeller med öppna vikter och ett kontextfönster på en miljon tokens, båda hanterar både bilder och text, och båda lanserades inom ett dygn från varandra i slutet av september 2026 – Step 5 Preview via StepFuns API den 20 september, MiMo V2.6 Pro den 21 september. Det gör detta till den tydligaste direktjämförelsen som finns i segmentet för öppna vikter, och det är den enda jämförelsen där den billigare modellen också är den som marginellt får bättre poäng.

Det som följer bygger på en enda utvärderingskörning, hämtad från den indexversion som Artificial Analysis levererar i dag, eftersom nästan varje jämförelsesida som fortfarande finns på webben använder en ersatt version. Siffrorna nedan är reproducerbara, från samma körning och anger vem som producerade dem.

Två versionsinformationer, en vecka emellan, två väldigt olika viktnedgångar

Tidslinjerna skiljer sig lika mycket som arkitekturerna. Step 5 Preview blev tillgänglig via API den 20 september och var därefter i nästan fyra veckor en produkt som endast fanns i värdbaserad form, innan StepFun publicerade checkpoints den 15 oktober. MiMo V2.6 Pro släppte sina MIT-licensierade vikter tillsammans med API:et den 21 september, och Xiaomi publicerade samtidigt sitt recept för förstärkningsinlärning, cirka 7 000 uppgiftsmiljöer och ett destillerat 9B-syskon.

Specifikationsbladen, en rad per dimension:

• Totala och aktiva parametrar — Step 5 Preview: 600B totalt, 27B aktiva per token. MiMo V2.6 Pro: 1.0T totalt, 42B aktiva.

• Arkitektur – förhandsvisning av steg 5: 92 lager, gles grupperad query-attention med 8-tokens blockindexering och en 3:1 blandning av gated glidfönster-attention med gles full attention. MiMo V2.6 Pro: gles MoE med 384 routade experter, åtta aktiva per token.

• Kontext och utdata – Steg 5-förhandsvisning: 1M tokens. MiMo V2.6 Pro: 1M tokens, med ett utdatatak på 131K på vår egen modellsida.

• Indata – Förhandsgranskning av steg 5: text, bild och video. MiMo V2.6 Pro: text, bild, video och ljud, och den marknadsför inbyggt ljud i stället för endast video.

• Vikter och licens — Step 5 Preview: BF16 och FP8, under StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Pris per miljon tokens — Step 5 Preview: $1,00 in, $2,70 ut, $0,10 cachat. MiMo V2.6 Pro: $0,435 in, $0,87 ut, $0,0036 cachat.

Parameterklyftan är det första man lägger märke till. Step 5 Preview är den mindre modellen sett till total storlek och den mindre sett till aktiv beräkning, 27B mot 42B. Det är ingen slump i paketeringen; StepFuns tekniska blogg argumenterar för den motsatta avvägningen – en smal, djup stack tränad att bete sig som en mycket större modell vid långsiktigt agentarbete, vilket är varför 92 lager ligger inom ett 600B-hölje i stället för ett med en biljon parametrar.

Styrelsen poängsattes på nytt, och de gamla siffrorna finns fortfarande överallt.

Om du söker efter den här jämförelsen idag kommer de flesta resultat att säga att MiMo V2.6 Pro får 46 och Step 5 Preview får 44. Det var verkliga mätvärden. De togs på en tidigare version av Artificial Analysis Intelligence Index, och den versionen har sedan dess ersatts. På resultattavlan som den ser ut nu ligger samma två modeller på 30 och 29, och modellerna som tidigare låg nära dem har förflyttat sig ungefär lika mycket.

Detta är viktigt av ett praktiskt skäl snarare än ett pedantiskt: varje härledd siffra som beräknats utifrån de gamla poängen är nu fel. Kvoten "0,13 dollar mot 0,72 dollar per uppgift" som cirkulerade vid lanseringen har blivit 0,26 dollar mot 2,35 dollar. Ordningen ändrades inte – MiMo leder fortfarande med en – men storleken på allt runtomkring ändrades, och kostnadsberättelsens riktning skiftade från ett avrundningsfel till ett beslut.

En varning om hur man ska läsa någon av dessa siffror: indexet är ett viktat sammansatt mått, och dess delmått skiljer sig kraftigt åt för det här paret. Att bara rapportera det sammansatta måttet skulle dölja den enda delen av jämförelsen som ger Step 5 Preview ett skäl att existera.

Där nio-till-ett köper något

Tre delresultat från samma körning är verkligen till fördel för Step 5 Preview, och de kretsar kring ett enda tema: att säga mindre när den inte vet.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24 % mot MiMo V2.6 Pro 15 %. Nästan nio poängs ledning på det svåraste kunskapsbenchmarken i setet.

AA-Omniscience — Step 5 Preview 16 vs MiMo V2.6 Pro −4. Poängen belönar både kalibrerad avhållsamhet och korrekt återgivning, och ett negativt värde innebär att en modell oftare svarar självsäkert och fel än den håller tyst.

• Utdatningshastighet — Step 5 Preview 179,1 tokens per sekund mot MiMo V2.6 Pro 58,0, mätt på samma tjänst. Tre gånger genomströmningen är en verklig latensskillnad i en agentloop som gör ett dussin sekventiella anrop.

Tillsammans utgör dessa tre ett sammanhållet försvar för prispremien: en modell som hallucinerar mindre och svarar snabbare är värd mer per token i precis de arbetsbelastningar som båda leverantörerna riktar sig mot – långvariga agenter, prompter i repositoriestorlek, forskningssyntes. Huruvida den är värd nio gånger så mycket är en separat fråga, och svaret beror på hur mycket ett felaktigt men självsäkert svar kostar dig.

Där MiMo vinner utan asterisk

Koden och automatiseringstesterna går i motsatt riktning, och inte marginellt.

• FrontierCode 2.0 — MiMo V2.6 Pro 24 % mot Step 5 Preview 12 %. Dubbelt så hög poäng på kodningsbenchmarken, vilket är den enskilt största skillnaden i paret.

• AutomationBench-AA — 59 % mot 51 %.

• Terminal-Bench 4.0 — 35 % mot 33 %, ett knappt försprång som har betydelse eftersom Step 5 Preview:s agentiska positionering bygger på terminalarbete.

• GDPpdf — 19 % mot 15 %, och Terminal-Bench-Science 6 % mot 2 %, båda måttliga men konsekventa.

Step 5 Previews vinster på HLE och Omniscience framstår som kunskapsbredd och kalibrering; MiMos vinster på FrontierCode och AutomationBench framstår som förmåga att agera. För en kodningsagent är dessa inte likvärdiga valutor.

Cache-ekonomin är den del som med största sannolikhet överraskar någon som modellerar kostnader. MiMo V2.6 Pros cachade indatahastighet är $0,0036 per miljon tokens jämfört med Step 5 Previews $0,10 – en 28-faldig skillnad för den tokenklass som dominerar en lång agentsession, där samma repository- eller dokumentkontext läses om vid varje tur. MiMo säljer också en UltraSpeed-nivå till $4,35 in och $8,70 ut för latenskritiska anrop, vilket är ett sätt att köpa genomströmning utan att byta modell.

Vad en agenttur faktiskt kostar

Ta ett representativt anrop: en kontext på 400 000 tokens in, 20 000 tokens ut. Enligt listpriserna är det $0.454 för Step 5 Preview och $0.191 för MiMo V2.6 Pro — en skillnad på 2,4 gånger, inte nio gånger. Kör nu samma kontext tio gånger i en session. När cachen gör sitt jobb läser Step 5 Preview de 400 000 tokens igen till $0.10 per miljon och MiMo V2.6 Pro till $0.0036, och skillnaden för den cachade delen vidgas till ungefär 28 mot 1.

Det är den aritmetiken som förklarar varför gapet per uppgift och prislappsgapet skiljer sig åt. Siffran per uppgift är ett viktat medelvärde över en fullständig utvärdering med omfattande återanvändning av promptar, så den speglar cachefrekvensen lika mycket som huvudsiffran. Om din arbetsbelastning består av engångspromptar med nytt sammanhang vid varje anrop bör du räkna med närmare den 2,4-faldiga siffran. Om det är en beständig agent som återläser samma filer är den niofaldiga siffran det mer ärliga planeringstalet.

Vad du kan ringa idag

MiMo V2.6 Pro finns i OrcaRouters katalog under modell-id:t xiaomi/mimo-v2.6-pro, faktureras enligt Xiaomis eget listpris på 0,43 dollar in och 0,87 dollar ut per miljon token utan något påslag ovanpå. Det spelar roll här av en specifik anledning: prissättningen i den här jämförelsen är det som sannolikt ändras mest, och en router som bara vidarebefordrar priserna innebär att en prisändring från Xiaomi slår igenom på din faktura samma dag i stället för vid nästa avtalsförnyelse.

Step 5 Preview finns inte i vår katalog. Anropsvägen är fortfarande StepFuns eget API, eller en tredjepartsvärd som har checkpoints. För ett team som väger de två mot varandra är den asymmetrin i sig ett argument: ena sidan av den här jämförelsen kan testas mot en fallback i en enda routningskonfiguration, och den andra kan inte. Routnings-DSL:n låter dig skicka kodningstrafiken till MiMo V2.6 Pro och hålla en andra modell bakom automatisk failover, så att en latensspik hos en leverantör inte tar ner agenten. Om MiMos försprång på en poäng visar sig inte hålla i din egen arbetsbelastning, kostar bytet ett modell-id, inte ett kontrakt.

Frågor som den här matchningen ständigt väcker

Varför visar de flesta jämförelsesidor fortfarande 46 mot 44?

Eftersom de skrevs med utgångspunkt i den föregående versionen av indexet och inte har räknats om. Den underliggande utvärderingen ändrades, inte bara modellerna, så varje siffra som härleddes från den – inklusive kostnad per uppgift – ändrades i takt med den. När två sidor citerar det här paret och skiljer sig med mer än en eller två punkter, kontrollera vilken indexversion som producerade var och en.

Överlever Step 5 Previews kalibreringsfördel ett domänskifte?

Delvis. Omniscience- och HLE-resultaten mäts på allmänkunskap; det kalibreringsbeteende de belönar är mest värdefullt där modellen får frågor om saker utanför sin träningsfördelning. Inom en snäv domän där båda modellerna tränats hårt – kod, till exempel – tyder MiMos ledning inom FrontierCode på att fördelen med att avstå inte utför det arbete du betalar för.

Är någon av modellerna en direkt ersättning för den andra?

Inte utan att kontrollera. De delar i praktiken ett OpenAI-kompatibelt gränssnitt, men resonemangsstyrningarna skiljer sig, taken för utdata skiljer sig, och Step 5 Preview:s aktiva 27B-fotavtryck förändrar hur mycket av en lång prompt du kan hålla kvar i minnet. Porta prompten, kör om din egen utvärderingsuppsättning och jämför utifrån din arbetsbelastning i stället för utifrån någon av leverantörernas presentationsbilder.

Den korta versionen av beslutet: om din arbetsbelastning är kunskapsintensiv, latenskänslig och dyr att få fel, är Step 5 Previews niofaldiga prispåslag försvarbart, och dess 179 tokens per sekund gör den behaglig att använda. Om din arbetsbelastning är kod, automatisering och långa sessioner över samma kontext, är MiMo V2.6 Pro den bättre modellen till ett pris som inte är i närheten — och det är den av de två som du i dag kan placera bakom en router och i morgon byta bort från.