MiMo-V2.6-Pro vs Kimi K3: โมเดลน้ำหนักเปิดสองล้านล้านพารามิเตอร์ ต่างกันถึงสิบสี่เท่าในต้นทุนต่องาน

ทั้งคู่เป็นโมเดลแบบ mixture-of-experts ที่เปิดน้ำหนักจากห้องแล็บจีน โดยมีหน้าต่างบริบท 1M โทเคน ทั้งคู่พร้อมให้ดาวน์โหลดได้ ในดัชนี Artificial Analysis Intelligence Index v4.3.2 ซึ่งอ่านเมื่อวันที่ 22 กันยายน 2026 Kimi K3 ของ MoonshotAI ได้คะแนน 44 และ MiMo-V2.6-Pro ของ Xiaomi ได้คะแนน 46 ต่างกันสองคะแนน ค่าใช้จ่ายที่วัดได้ในการรันชุดการประเมินเดียวกันกับแต่ละโมเดลคือ $3,658.07 สำหรับ Kimi K3 และ $206.66 สำหรับ MiMo-V2.6-Pro — ต่างกันเป็นปัจจัยสิบเจ็ดเท่า หากคุณตัดสินใจแล้วว่าต้องการน้ำหนักแบบเปิดในระดับนี้ อัตราส่วนนั้น ไม่ใช่สองคะแนน คือสิ่งที่ใช้ตัดสินใจ

Kimi K3 เป็นโมเดลที่ได้รับการยอมรับในคู่นี้: เปิดตัวเมื่อวันที่ 16 กรกฎาคม 2026 โดยมีน้ำหนักโมเดลเต็มรูปแบบตามมาในวันที่ 27 กรกฎาคม และมีหลายเดือนของการประเมินอิสระรองรับ Xiaomi MiMo-V2.6-Pro เปิดให้ใช้งานทั่วไปเมื่อวันที่ 22 กันยายน 2026 โดยคลังเช็กพอยต์การเรียนรู้แบบเสริมกำลังของมันปรากฏขึ้นเมื่อวันก่อนหน้า การเปรียบเทียบนี้จึงอยู่ระหว่างโมเดลเปิดที่ผ่านการพิสูจน์แล้วในราคาระดับพรีเมียม กับโมเดลใหม่เอี่ยมในราคาสินค้าทั่วไป และส่วนที่น่าสนใจคือช่องว่างความสามารถที่วัดได้นั้นกลับแคบเพียงใด

แต่ละโมเดลจริงๆ แล้วคืออะไร

Kimi K3 เป็นโมเดลให้เหตุผลมัลติโมดัลแบบเปิดน้ำหนักขนาด 2.8 ล้านล้านพารามิเตอร์ ซึ่งตอนเปิดตัวถูกอธิบายว่าเป็นโมเดลเปิดตัวแรกในระดับ 3 ล้านล้าน โดยเปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 รายต่อหนึ่งโทเคน — หรือพารามิเตอร์ที่แอ็กทีฟราว 1.04 แสนล้านตัว — และใช้ Kimi Delta Attention กับ Attention Residuals เพื่อรองรับบริบทขนาด 1 ล้านโทเคนได้อย่างมีประสิทธิภาพ โดยส่งออกได้สูงสุด 1 ล้านโทเคนต่อคำขอ เป็นการให้เหตุผลแบบเปิดตลอดเวลาพร้อมความสามารถด้านภาพแบบเนทีฟ API แบบ first-party ของ Moonshot คิดค่าบริการ $3.00 ต่ออินพุต 1 ล้านโทเคน, $0.30 ต่ออินพุตแคช 1 ล้านโทเคน และ $15.00 ต่อเอาต์พุต 1 ล้านโทเคน แบบอัตราคงที่โดยไม่แบ่งชั้นตามความยาวบริบท และ Artificial Analysis รายงานส่วนลดแคช 90% และอัตราแบบผสมที่ $2.31 วัดได้ 42.8 เอาต์พุตโทเคนต่อวินาที — ช้าอย่างเห็นได้ชัดเมื่อเทียบกับค่ามัธยฐาน 77.9 สำหรับโมเดลขนาดใกล้เคียง — และ 3.93 วินาทีถึงโทเคนแรก

Xiaomi MiMo-V2.6-Pro เป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์ทั้งหมด 1.02 ล้านล้านตัว และเปิดใช้งาน 42 พันล้านตัวต่อโทเค็น โดยมีหน้าต่างบริบท 1M โทเค็น และรองรับมัลติโมดัลแบบเนทีฟทั้งข้อความ รูปภาพ วิดีโอ และเสียง น้ำหนักของมันมีแท็กสัญญาอนุญาต MIT Xiaomi คงราคาของรุ่นก่อนหน้าแทนที่จะปรับราคาเช็คพอยต์ใหม่ขึ้น ซึ่งเป็นสาเหตุที่ทำให้มันมีราคาอยู่ที่ $0.43 ต่อล้านโทเค็นอินพุต และ $0.87 ต่อล้านโทเค็นเอาต์พุต พร้อมส่วนลดแคช 99% และราคาเฉลี่ยรวม $0.18 วัดความเร็วได้ 134.3 โทเค็นเอาต์พุตต่อวินาที — เป็นอันดับที่ 11 จาก 114 โมเดลในด้านความเร็ว — และใช้เวลา 2.15 วินาทีถึงโทเค็นแรก

• พารามิเตอร์ที่ใช้งานอยู่ — MiMo-V2.6-Pro 42B ต่อโทเคน; Kimi K3 ประมาณ 104B โดยเปิดใช้งานผู้เชี่ยวชาญ 16 จาก 896 ราย

• พารามิเตอร์ทั้งหมด — MiMo-V2.6-Pro 1.02T; Kimi K3 2.8T

• คะแนนดัชนี — MiMo-V2.6-Pro 46; Kimi K3 44 ทั้งคู่เป็น Artificial Analysis v4.3.2

• ราคาตามรายการ — MiMo-V2.6-Pro $0.43 / $0.87 ต่อ 1M; Kimi K3 $3.00 / $15.00, อินพุตที่แคช $0.30

• อัตราค่าใช้จ่ายแบบผสม — MiMo-V2.6-Pro $0.18 ต่อ 1 ล้าน; Kimi K3 $2.31

• ค่าใช้จ่ายในการรันดัชนี — MiMo-V2.6-Pro $206.66; Kimi K3 $3,658.07

• ความเร็ว — MiMo-V2.6-Pro 134.3 โทเค็นเอาต์พุต/วินาที; Kimi K3 42.8 เมื่อเทียบกับค่ามัธยฐาน 77.9 สำหรับคลาสขนาดนี้

• เวลาถึงโทเคนแรก — MiMo-V2.6-Pro 2.15 วินาที; Kimi K3 3.93 วินาที

• บริบท — ทั้งคู่ 1M โทเคน; Kimi K3 เปิดเผยเอาต์พุตได้สูงสุด 1M โทเคนต่อคำขอ

• ค่าน้ำหนัก — ดาวน์โหลดได้ทั้งสอง; MiMo-V2.6-Pro มีแท็ก MIT

ความเร็วคือความแตกต่างที่ดัชนีซ่อนไว้

ช่องว่างคอมโพสิตสองจุดเป็นตัวเลขที่น่าสนใจน้อยที่สุดตรงนี้ และ 134.3 เทียบกับ 42.8 โทเคนต่อวินาทีคือตัวเลขที่น่าสนใจที่สุด โมเดลที่สร้างได้เร็วกว่าสามเท่าไม่ได้ดีกว่าสามเท่า แต่มันคือความแตกต่างระหว่างแอปพลิเคชันประเภทหนึ่งที่ใช้งานได้กับประเภทที่ใช้งานไม่ได้ — และหน้า Artificial Analysis ของ Kimi K3 เองก็ระบุว่ามันช้าอย่างเห็นได้ชัดเมื่อเทียบกับรุ่นขนาดเดียวกัน สำหรับลูปเอเจนต์ระยะยาวที่เรียกใช้ต่อเนื่องกันหลายสิบครั้ง อัตราการประมวลผลก็ทบต้นไม่ต่างจากความหน่วง ความแตกต่างสามเท่าต่อการเรียกหนึ่งครั้งไม่ใช่ความแตกต่างสามเท่าแบบต้นทางถึงปลายทาง แต่เป็นความแตกต่างระหว่างเซสชันที่ผู้ใช้รอจนจบกับเซสชันที่ผู้ใช้ทิ้งไป

ข้อได้เปรียบของ Kimi K3 อยู่ที่ฝั่งอินพุตของบัญชี เวลา 3.93 วินาทีถึงโทเคนแรกนั้นช้ากว่า 2.15 ของ MiMo-V2.6-Pro แต่ไม่ได้ช้ากันถึงระดับอันดับขนาดที่แยกทั้งสองออกจากโมเดลการให้เหตุผลระดับแนวหน้าแบบใช้ความพยายามสูงสุด จุดที่ K3 ต้องจ่าย代价สำหรับขนาดของมันคือการสร้างข้อความ และการสร้างข้อความคือสิ่งที่คุณถูกคิดค่าบริการ

หมายเลขผู้ขาย และอันที่มักถูกอ่านผิด

ทั้งสองแล็บได้เผยแพร่ตัวเลขของ DeepSWE v1.1 จากฮาร์เนสของตนเอง และทั้งสองชุดนี้กำลังถูกนำไปอ้างอิงกันเสมือนว่าเปรียบเทียบกันได้ แต่ความจริงไม่ใช่ และคู่นี้คือจุดที่ข้อผิดพลาดนั้นสร้างความเสียหายมากที่สุด เพราะตัวเลขดูใกล้เคียงกันมาก

Xiaomi รายงานว่า MiMo-V2.6-Pro เพิ่มจาก 58.4 เป็น 72.57 บน DeepSWE v1.1 ตลอดการรันการเรียนรู้แบบเสริมกำลัง (reinforcement-learning) ประเมินด้วย mini-swe-agent แบบ average-of-three บน grader ของ Xiaomi เอง การรันนี้มีบันทึกว่าใช้ 30 ขั้นตอนและประมาณ 750,000 trajectories ต่อโมเดล เสร็จสิ้นภายในเวลาไม่ถึงหกวัน ด้วยค่าใช้จ่ายที่เปิดเผยประมาณ $2.62 ล้านสำหรับโมเดล Pro และ $854,044 สำหรับ Flash ที่เล็กกว่า การตีความที่แพร่หลายของการรันนั้นระบุว่า Kimi K3 อยู่ที่ 68.51 บน benchmark เดียวกัน ซึ่งจะทำให้โมเดล Xiaomi เป็นผู้ชนะด้วยส่วนต่างสี่คะแนน การตีความนั้นเป็นตัวเลขจากชุมชน ไม่ใช่ตัวเลขของ Moonshot และการวัดทั้งสองใช้เมตริกที่แตกต่างกัน — average-of-three เทียบกับอัตราการผ่าน — ดังนั้นการนำมาลบกันจึงเป็นการคำนวณบนสเกลที่ไม่สอดคล้องกัน ไม่มีผู้จำหน่ายรายใดส่งการตั้งค่าไปยังกระดานสาธารณะของ Datacurve สำหรับโมเดลเหล่านี้

ตัวเลขที่เปรียบเทียบกันได้จริง ๆ คือดัชนี เพราะ Artificial Analysis เป็นผู้รันทั้งสองโมเดลเอง: 46 สำหรับ MiMo-V2.6-Pro และ 44 สำหรับ Kimi K3 บน v4.3.2 โดยไม่ได้เผยแพร่รายละเอียดแยกตามการประเมินสำหรับทั้งสองโมเดล ส่วนต่างสองจุดนั้นน้อยพอที่จะอยู่ในช่วงความคลาดเคลื่อนของคะแนนรวมจากการประเมินสิบรายการ และข้อสรุปที่ซื่อตรงก็คือ ในด้านความสามารถที่วัดได้นั้น สองโมเดลนี้แทบจะเสมอกัน

สิ่งที่พรีเมียมของ Kimi K3 ให้คุณ

การตีความช่องว่างด้านต้นทุนว่าเป็นกำไรล้วน ๆ นั้นไม่ถูกต้อง Kimi K3 เป็นโมเดลขนาด 2.8 ล้านล้านพารามิเตอร์ เทียบกับ 1.02 ล้านล้านของ Xiaomi และเปิดใช้งานพารามิเตอร์ต่อโทเคนมากกว่าประมาณสองเท่าครึ่ง มันเป็นโมเดลเปิดรุ่นแรกในระดับขนาดเดียวกัน และมีผลลัพธ์อิสระหลายรายการที่ MiMo-V2.6-Pro ยังไม่มีเวลาสะสม ตามรายงานของ Artificial Analysis เอง ณ เวลาที่เปิดตัว มันอยู่อันดับ 3 ใน Intelligence Index เป็นรอง Claude Fable 5 และ GPT-5.6 Sol โดย GDPval-AA v2 อยู่ที่ Elo 1668 อันดับ 1 บน AutomationBench-AA ที่ 53% อันดับ 2 บน AA-Briefcase ที่ Elo 1547 และอันดับ 1 บน Frontend Code Arena ที่ 1679 นั่นคือการวัดผลอิสระ ไม่ใช่คำกล่าวอ้างตอนเปิดตัว และสะท้อนโมเดลที่มีความกว้างขวางซึ่งส่วนต่างคะแนนรวมสองจุดไม่อาจสะท้อนได้

ยังมีเรื่องราวเกี่ยวกับกำลังการให้บริการประกอบอยู่ด้วย มีรายงานว่าความต้องการ Kimi K3 ทำให้กำลังการให้บริการเกินขีดความสามารถในตอนเปิดตัว ส่งผลให้การสมัครใช้ API หยุดชั่วคราว และเกิดข้อจำกัดกำลังการให้บริการจากต้นทางบนบางเกตเวย์ โมเดลที่เข้าถึงได้ยากคือโมเดลที่นำไปพัฒนาต่อได้ยาก และนั่นเป็นปัญหาด้านความพร้อมใช้งาน ไม่ใช่ปัญหาด้านคุณภาพ

ปลายทางเดียว และคำตอบที่ตรงไปตรงมาเกี่ยวกับสิ่งที่เราเลือกเส้นทาง

Kimi K3 อยู่บน OrcaRouter ในชื่อ kimi/kimi-k3 — ใช้คีย์เดียวที่เข้ากันได้กับ OpenAI ราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยไม่บวกเพิ่ม 0% ดังนั้นเมื่อ Moonshot เปลี่ยนแปลงราคา ฝั่งเราจะอัปเดตให้ใช้ได้ทันทีในวันเดียวกัน และการสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติช่วยรองรับข้อจำกัดด้านความจุที่ตามหลอนโมเดลนี้มาตั้งแต่เปิดตัว Xiaomi MiMo-V2.6-Pro ไม่มีอยู่บน OrcaRouter ไม่มีโมเดล Xiaomi ใดอยู่บนนี้ และช่องทางเข้าถึงในปัจจุบันคือแพลตฟอร์มของ Xiaomi เอง หรือแคตตาล็อกของบุคคลที่สามที่รองรับโมเดลนี้ เรื่องนี้ควรพูดให้ชัดเจน มากกว่าปล่อยให้หน้าโมเดลสื่อเป็นอย่างอื่น

ซึ่งทำให้การจับคู่นี้เป็นตัวอย่างที่ดีว่าชั้นการจัดเส้นทางมีไว้เพื่ออะไร โมเดลเปิดสองตัวที่มีคะแนนเท่ากันบนตัวชี้วัดอิสระเพียงตัวเดียวที่ทั้งคู่ถูกทดสอบด้วย ห่างกันถึงสิบเจ็ดเท่าในต้นทุนต่องานที่วัดได้ — นั่นไม่ใช่ทางเลือก แต่เป็นการกำหนดค่าแบบสองเลน ใส่ปริมาณทราฟฟิกส่วนใหญ่ของคุณลงเลนที่ถูก และจัดเส้นทางส่วนปลายไปยังอีกเลนด้วยเงื่อนไขที่คุณกำหนดเอง หรือสลับไปใช้เส้นทางสำรองเมื่อเส้นทางหนึ่งเสื่อมประสิทธิภาพ เมื่อโมเดลอยู่หลังคีย์เดียว การทดลองที่บอกว่าทั้งสองควรได้สัดส่วนเท่าไรกลายเป็นการเปลี่ยนคอนฟิกบนพรอมป์ของคุณเอง แทนที่จะเป็นการคุยเรื่องจัดซื้อ — และถ้า Xiaomi ปรับราคา MiMo-V2.6-Pro ใหม่เมื่อหน้าต่างเปิดตัวปิดลง หรือ Moonshot ลดราคา K3 เพื่อตอบสนองต่อการแข่งขัน ทั้งสองการเคลื่อนไหวจะมาถึงฝั่งเราในวันเดียวกัน แทนที่จะเป็นรอบบิลถัดไป

ควรเลือกอันไหนดี

เลือก Kimi K3 เมื่อคุณต้องการความกว้างที่มาพร้อมกับโมเดลขนาดนี้และที่ได้รับการวัดผลอย่างอิสระ — ด้านภาพ การเขียนโค้ดระยะยาวในคลังโค้ดขนาดใหญ่ การใช้เครื่องมือแบบเอเจนต์ — หรือเมื่อคุณใช้งานมันอยู่แล้วและต้นทุนการย้ายระบบเป็นเรื่องจริงจัง มันเป็นโมเดลที่มีการระบุคุณลักษณะอย่างละเอียดกว่าของทั้งสอง และเพดานเอาต์พุต 1M โทเคนของมันนั้นไม่ธรรมดา เผื่อเวลาไว้สำหรับความเร็วในการสร้าง: ที่ 42.8 โทเคนต่อวินาที ในเชิงการใช้งานแบบโต้ตอบแล้วมันเป็นโมเดลสำหรับงานแบบแบตช์และงานออฟไลน์ ไม่ว่าคุณภาพการให้เหตุผลของมันจะบ่งชี้อย่างไร

เลือก MiMo-V2.6-Pro เมื่อ throughput และ unit economics เป็นข้อจำกัด เมื่อลูปมีบริบทที่หนักและซ้ำซาก เมื่อ first-token latency มีความสำคัญ หรือเมื่อคุณต้องการ weights บนฮาร์ดแวร์ของคุณเองภายใต้สัญญาอนุญาตแบบ permissive มันเป็นกรณีที่หาได้ยากของโมเดลราคาถูกที่เป็นโมเดลเร็วด้วย และบนคะแนนอิสระเพียงรายการเดียวที่ทั้งสองโมเดลมีร่วมกัน มันนำอยู่ด้วยส่วนต่างที่เล็กพอที่จะถือว่าเสมอกัน

เลือกทั้งสองแบบถ้าคุณมีเราเตอร์ รูปแบบความล้มเหลวที่ต้องหลีกเลี่ยงคือการยึดมาตรฐานกับตัวใดตัวหนึ่งเพราะอัตราส่วนในพาดหัว: การจ่ายอัตราแบบ Kimi K3 สำหรับงานสรุปที่โมเดล 46-index ทำได้เหมือนกัน หรือการค้นพบว่างานเขียนโค้ดระดับ repository ต้องใช้โมเดล 2.8T หลังจากที่คุณย้ายทุกอย่างไปเลนราคาถูกแล้ว ทั้งสองไม่ใช่ปัญหาเรื่องโมเดล และทั้งคู่เป็นเรื่องของการตั้งค่า

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