MiMo-V2.6-Pro vs GLM-5.2: สองโมเดล MoE แบบเปิดน้ำหนัก และเบนช์มาร์กที่คุณต้องไม่ลบ

การเปรียบเทียบนี้ในเวอร์ชันที่ขี้เกียจที่สุดคือการเอา 72.57 ของ Xiaomi MiMo-V2.6-Pro ไปวางข้าง ๆ 46.2 ของ GLM-5.2 เรียกมันว่าชัยชนะ 26 คะแนน แล้วเผยแพร่ออกไป มันผิดด้วยเหตุผลที่ไม่เกี่ยวกับว่าโมเดลไหนดีกว่าเลย: สองตัวเลขนั้นไม่ใช่การวัดเดียวกัน 72.57 ของ Xiaomi เป็นค่าเฉลี่ยจากการรันสามครั้งบนฮาร์เนสของตัวเองกับ mini-swe-agent และไม่เคยถูกส่งไปยังบอร์ดสาธารณะ ส่วน 46.2 เป็นตัวเลข Pass@1 จากฮาร์เนสที่แตกต่างกันโดยสิ้นเชิง การเปรียบเทียบที่ซื่อสัตย์ระหว่าง Xiaomi MiMo-V2.6-Pro กับ GLM-5.2 คือการเปรียบเทียบอีกแบบหนึ่ง บนไม้บรรทัดที่ทั้งสองถูกนำมาวัดจริง — และบนไม้บรรทัดนั้น ช่องว่างมีอยู่จริง แต่มันคือสิบสองคะแนน ไม่ใช่ยี่สิบหก

ในดัชนี Artificial Analysis Intelligence Index v4.3.2 ซึ่งอ่านเมื่อวันที่ 22 กันยายน 2026 Xiaomi MiMo-V2.6-Pro ได้คะแนน 46 ส่วน GLM-5.2 ได้คะแนน 34 ทั้งสองเป็นโมเดลแบบ open-weights ประเภท mixture-of-experts จากห้องวิจัยสัญชาติจีน ทั้งคู่ทำงานบนหน้าต่างบริบทขนาด 1M โทเคน และทั้งคู่มีราคาถูกพอที่การเลือกระหว่างสองตัวนี้จะขึ้นอยู่กับความสามารถและการให้บริการ ไม่ใช่เรื่องงบประมาณ ความคล้ายคลึงกันก็จบลงตรงนั้น เพราะ GLM-5.2 ถูกแทนที่โดยผู้ผลิตของตัวเองแล้ว และหน้าที่เขียนการเปรียบเทียบนี้ก็มีประกาศแจ้งการเลิกใช้งานติดอยู่

โมเดลแต่ละตัวคืออะไร และอยู่ในสถานะใด

GLM-5.2 เป็นผลิตภัณฑ์เรือธงของ Z.ai เปิดตัวเมื่อวันที่ 16 มิถุนายน 2026 มันเป็นทรานส์ฟอร์เมอร์แบบ mixture-of-experts ที่มีพารามิเตอร์ทั้งหมดประมาณ 753 พันล้านตัว โดยมีพารามิเตอร์ที่ใช้งานต่อโทเคนประมาณ 40 พันล้านตัว และมีรายงานว่าถูกฝึกบนตัวเร่งความเร็ว Huawei Ascend ทั้งหมด แทนที่จะเป็นฮาร์ดแวร์ของ Nvidia มันเปิดให้ใช้งานน้ำหนักแบบเปิดภายใต้สัญญาอนุญาต MIT พร้อมการควอนไทซ์ FP8 และ INT4 รองรับบริบท 1M โทเคน โดยมีเอาต์พุตสูงสุด 131,072 โทเคน และมีราคาอยู่ที่ $1.40 ต่อล้านโทเคนอินพุต และ $4.40 ต่อล้านโทเคนเอาต์พุตบน API ของ Z.ai เอง โดยอินพุตแคชอยู่ที่ $0.26 และอัตราผสมอยู่ที่ $0.90 Artificial Analysis วัดได้ที่ 72.6 โทเคนเอาต์พุตต่อวินาที และ 5.98 วินาทีถึงโทเคนแรก ด้วยค่าใช้จ่าย $1,559.05 ในการรันดัชนีเต็ม

Xiaomi MiMo-V2.6-Pro เปิดให้ใช้งานทั่วไปเมื่อวันที่ 22 กันยายน 2026 โดยที่เก็บเช็กพอยต์การเรียนแบบเสริมกำลังของมันปรากฏขึ้นเมื่อวันก่อนหน้า มันเป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์รวม 1.02 ล้านล้านตัว และเปิดใช้งาน 42 พันล้านตัวต่อโทเคน — จำนวนรวมมากกว่า GLM-5.2 และจำนวนที่เปิดใช้งานใกล้เคียงกันแทบจะidentical — พร้อมหน้าต่างบริบท 1 ล้านโทเคน ความสามารถมัลติโมดัลแบบเนทีฟครอบคลุมข้อความ รูปภาพ วิดีโอ และเสียง และน้ำหนักโมเดลที่ใช้สัญญาอนุญาต MIT Xiaomi คงราคาของรุ่นก่อนหน้าไว้แทนที่จะปรับขึ้น ดังนั้นจึงตั้งราคาที่ 0.43 และ 0.87 ดอลลาร์ต่อล้านโทเคน พร้อมส่วนลดแคช 99% และราคาเฉลี่ยรวม 0.18 ดอลลาร์

• เวต — ทั้งคู่ใช้สัญญาอนุญาต MIT และดาวน์โหลดได้; นี่เป็นหมวดหมู่เดียวที่ทั้งสองเท่าเทียมกันอย่างแท้จริง

• พารามิเตอร์ที่ใช้งาน — MiMo-V2.6-Pro 42B ต่อโทเคน; GLM-5.2 ประมาณ 40B ใกล้เคียงกันจนแทบไม่ต่าง ซึ่งทำให้ช่องว่างของคะแนนเป็นผลมาจากการฝึก มากกว่าผลมาจากขนาด

• พารามิเตอร์ทั้งหมด — MiMo-V2.6-Pro 1.02T; GLM-5.2 ประมาณ 753B

• คะแนนดัชนี — MiMo-V2.6-Pro 46; GLM-5.2 34 ทั้งคู่วัดบน Artificial Analysis v4.3.2

• ราคาตามประกาศ — MiMo-V2.6-Pro $0.43 / $0.87 ต่อ 1M; GLM-5.2 $1.40 / $4.40, ราคาเฉลี่ยรวม $0.18 เทียบกับ $0.90

• ค่าใช้จ่ายในการรันดัชนี — MiMo-V2.6-Pro $206.66; GLM-5.2 $1,559.05

• ความเร็ว — MiMo-V2.6-Pro 134.3 โทเค็นเอาต์พุต/วินาที; GLM-5.2 72.6

• เวลาถึงโทเคนแรก — MiMo-V2.6-Pro 2.15 วินาที; GLM-5.2 5.98 วินาที

• สถานะ — MiMo-V2.6-Pro เป็นเวอร์ชันปัจจุบันและพร้อมใช้งานทั่วไป (GA); GLM-5.2 ถูกยกเลิกการสนับสนุนบน Artificial Analysis ซึ่งปัจจุบันทดสอบประสิทธิภาพเฉพาะที่ภาระงานอินพุตเริ่มต้น 10k

ประกาศเลิกใช้งานคือพาดหัวข่าว

Z.ai ได้เปิดตัว GLM-5.3 ออกมาแล้ว และหน้า Artificial Analysis ของ GLM-5.2 ก็ระบุไว้ตรง ๆ เลยว่าเป็นเช่นนั้น โดยตีตราว่าโมเดลนี้เลิกใช้แล้ว และจำกัดงาน benchmarking ที่จะทำต่อไปไว้เพียง workload เริ่มต้นเดียว สิ่งนี้เปลี่ยนวัตถุประสงค์ของหน้านี้ไป หากคุณกำลังเลือกโมเดลใหม่ในวันนี้ คู่ที่คุณสนใจจริง ๆ คือ MiMo-V2.6-Pro กับ GLM-5.3 ไม่ใช่ GLM-5.2 — และบนดัชนี v4.3.2 เดียวกัน GLM-5.3 ที่ความพยายามสูงสุดทำได้ 45 คะแนน เทียบกับ 46 ของ MiMo-V2.6-Pro ห่างกันแค่หนึ่งคะแนน นั่นคือการดวลที่สูสีจริง ๆ และเป็นบทความที่แตกต่างไปโดยสิ้นเชิง

การเปรียบเทียบ GLM-5.2 ยังคงคุ้มค่าที่จะทำ ด้วยเหตุผลเฉพาะเจาะจงประการหนึ่ง: มันเป็นภาพประกอบที่ประหยัดที่สุดเท่าที่จะเป็นไปได้ว่าแนวหน้าของโมเดลน้ำหนักเปิดเคลื่อนไปเร็วแค่ไหนระหว่างเดือนมิถุนายนถึงกันยายน 2026 สิบสองคะแนนดัชนีในเวลาประมาณสิบสี่สัปดาห์ โดยจำนวนพารามิเตอร์ที่ใช้งานอยู่แทบไม่เปลี่ยนแปลง ไม่ว่าอะไรจะก่อให้เกิดการเพิ่มขึ้นนั้น มันไม่ใช่ขนาด

GLM-5.2 เก่งเรื่องอะไร และยังเก่งเรื่องนั้นอยู่หรือไม่

เอกสารเปิดตัวของ GLM-5.2 ชูจุดเด่นด้านการเขียนโค้ดและงานเอเจนต์ที่ทำงานยาวนาน และตัวเลขเหล่านั้นยังคงใช้ได้ดีในฐานะคำอธิบายของโมเดลนี้: SWE-bench Pro อยู่ที่ 62.1 เทียบกับ 58.4 ของ GLM-5.1, Terminal-Bench 2.1 อยู่ที่ 81.0 เทียบกับ 63.5 และ FrontierSWE อยู่ที่ 74.4 เทียบกับ 30.5 ด้านความรู้และคณิตศาสตร์ รายงานระบุว่า GPQA-Diamond อยู่ที่ 91.2, AIME 2026 อยู่ที่ 99.2 และ Humanity's Last Exam อยู่ที่ 40.5 ในเวลานั้นมันนำโมเดลทั้งหมดบนเบนช์มาร์กการเขียนโค้ดแบบเอเจนต์ระยะยาวหนึ่งรายการ และอยู่อันดับสองบนลีดเดอร์บอร์ดการพัฒนาเว็บสาธารณะแห่งหนึ่ง ตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายรายงานเองบนฮาร์เนสของผู้ขายเอง และข้อควรระวังตามปกติย่อมใช้กับทุกตัวเลขดังกล่าว

ตัวเลขที่ Xiaomi เผยแพร่เองสำหรับ MiMo-V2.6-Pro ไม่สามารถนำมาเปรียบเทียบกับตัวเลขเหล่านั้นได้ และควรอธิบายให้ชัดเจนว่าเพราะเหตุใด แทนที่จะพูดกว้าง ๆ ว่าเปรียบเทียบไม่ได้ Xiaomi รายงานว่าโมเดลขยับจาก 58.4 เป็น 72.57 บน DeepSWE v1.1 ตลอดการรันการเรียนรู้แบบเสริมกำลัง โดยประเมินด้วย mini-swe-agent แบบค่าเฉลี่ยจากการรันสามครั้ง บนตัวให้คะแนนของตัวเอง และการรันนี้มีเอกสารระบุว่าใช้ 30 steps และมี trajectories เสร็จสิ้นราว 750,000 รายการภายในไม่ถึงหกวัน ด้วยค่าใช้จ่ายที่เผยแพร่ประมาณ 2.62 ล้านดอลลาร์สำหรับโมเดล Pro ทั้งหมดนั้นไม่ใช่รายการบนลีดเดอร์บอร์ด รายการบนลีดเดอร์บอร์ดคือข้อกล่าวอ้างเกี่ยวกับการกำหนดค่าที่เฉพาะเจาะจงภายใต้เงื่อนไขที่ระบุ ซึ่งบุคคลที่สามสามารถรันซ้ำได้ และของ Xiaomi ไม่ใช่เช่นนั้น ตัวติดตามแยกต่างหากระบุว่า GLM-5.2 อยู่ที่ 46.2 บน DeepSWE — Pass@1 ซึ่งเป็นเมตริกที่แตกต่างกันในตระกูลงานเดียวกัน และการนำ 72.57 มาวางข้าง 46.2 เพื่อให้ได้ส่วนต่าง 26 จุด เป็นการคำนวณบนสองสเกลที่แตกต่างกัน ไม่ควรทำเช่นนั้น และนี่คือข้อผิดพลาดที่พบมากที่สุดซึ่งกำลังแพร่หลายเกี่ยวกับคู่นี้

การตัดสินใจเลือกระหว่างพวกมัน และเส้นทางที่ทำให้มันถูกลง

หากทั้งสองเป็นแบบเปิดน้ำหนัก (open weights) ภายใต้สัญญาอนุญาตเดียวกัน ปัจจัยที่ใช้ตัดสินใจก็คือสิ่งที่คุณรันได้และสถานที่ที่คุณเรียกใช้ได้ GLM-5.2 อยู่บน OrcaRouter ในชื่อ z-ai/glm-5.2 — ปลายทางเดียวที่เข้ากันได้กับ OpenAI โดยส่งผ่านราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาของ Z.ai จึงมีผลในฝั่งเราภายในวันเดียวกัน Xiaomi MiMo-V2.6-Pro ไม่ได้อยู่บน OrcaRouter; ไม่มีโมเดล Xiaomi ใดอยู่บนนั้น และการเข้าถึงมันหมายความว่าต้องใช้แพลตฟอร์มของ Xiaomi เองหรือหนึ่งในแค็ตตาล็อกของบุคคลที่สามที่ให้บริการอยู่ เราขอระบุเช่นนี้ดีกว่าปล่อยให้หน้าโมเดลบ่งชี้เป็นอย่างอื่น

ผลลัพธ์ที่เป็นประโยชน์ก็คือ คุณสามารถเก็บผู้ให้บริการรายเดิมไว้บนคีย์เดียวและประเมินผู้มาใหม่เทียบกับพวกเขาได้โดยไม่ต้องมีสัญญาที่สอง หาก MiMo-V2.6-Pro ชนะบนพรอมต์ของคุณ คุณก็ได้เรียนรู้สิ่งนั้นมาในราคาถูก หากมันไม่ชนะ — และช่องว่างของดัชนีสิบสองจุดนั้นเล็กกว่าช่องว่างของราคาต่อโทเคน

คำตอบสั้น ๆ

ถ้าคุณใช้ GLM-5.2 อยู่ตอนนี้และมันทำงานได้ดี คำถามเรื่องการอัปเกรดไม่ใช่ MiMo-V2.6-Pro — แต่เป็น GLM-5.3 ซึ่งอยู่ในสายพัฒนาการเดียวกัน โดยมีช่องว่างเพียงหนึ่งจุดกับโมเดลของ Xiaomi และไม่มีต้นทุนการย้ายระบบเลย หากคุณกำลังเลือกเส้นทางตั้งแต่เริ่มต้นและต้องการโมเดลน้ำหนักเปิดที่มีคะแนนวัดผลดีที่สุดในสามตัวนี้ 46 ของ MiMo-V2.6-Pro คือตัวเลขนั้น และ 134.3 โทเคนต่อวินาทีกับ $0.13 ต่อภารกิจดัชนีของมันคือเหตุผลที่มันไม่ใช่ชัยชนะแบบห่างนิดเดียว หากคุณต้องการตัวที่ปลอดภัยที่สุดในสามตัว GLM-5.2 เป็นคำตอบที่ผิด ด้วยเหตุผลที่ไม่เกี่ยวข้องกับว่ามันดีแค่ไหนในเดือนมิถุนายน: มันเป็นเพียงตัวเดียวในสามตัวที่ผู้ขายของมันเองหยุดพัฒนาแล้ว

OrcaRouter นำโมเดล 200+ รายการมาไว้ใน endpoint เดียวที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการ โดยมีส่วนบวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจะมีผลในวันเดียวกัน