Step 5 Preview เทียบกับ MiMo V2.6 Pro: หนึ่งจุดดัชนีกับค่าบิลเก้าเท่า

ในการรัน Artificial Analysis ชุดเดียวกันของ StepFun Step 5 Previewและของ Xiaomi MiMo V2.6 Proจบห่างกันหนึ่งคะแนนความฉลาด: 29 ต่อ 30 พวกเขาไม่ได้ห่างกันเพียงหนึ่งดอลลาร์ การรันเดียวกันคิดราคางานดัชนีที่เสร็จสมบูรณ์ที่ 2.35 ดอลลาร์สำหรับ Step 5 Preview และ 0.26 ดอลลาร์สำหรับ MiMo V2.6 Pro ซึ่งเป็นช่องว่างประมาณเก้าต่อหนึ่ง ทั้งคู่เป็นโมเดล mixture-of-experts แบบ open-weight ที่มีหน้าต่างหนึ่งล้านโทเค็น ทั้งคู่รับได้ทั้งภาพและข้อความ และทั้งคู่เปิดตัวห่างกันภายในหนึ่งวันในช่วงปลายเดือนกันยายน 2026 — Step 5 Preview บน API ของ StepFun เมื่อวันที่ 20 กันยายน, MiMo V2.6 Pro เมื่อวันที่ 21 กันยายน สิ่งนี้ทำให้เป็นการเทียบแบบตัวต่อตัวที่ชัดเจนที่สุดที่มีในระดับ open-weight และเป็นการเปรียบเทียบเพียงรายการเดียวที่โมเดลที่ถูกกว่ายังเป็นโมเดลที่ได้คะแนนดีกว่าเล็กน้อยอีกด้วย

เนื้อหาต่อไปนี้ใช้รอบการประเมินเพียงรอบเดียว ซึ่งจัดทำบนเวอร์ชันดัชนีที่ Artificial Analysis ให้บริการอยู่ในปัจจุบัน เพราะหน้าเปรียบเทียบเกือบทุกหน้ายังอยู่บนเว็บใช้เวอร์ชันที่ถูกแทนที่แล้ว ตัวเลขด้านล่างสามารถทำซ้ำได้ มาจากรอบการรันเดียวกัน และระบุว่าใครเป็นผู้สร้างตัวเลขเหล่านี้

บันทึกการเผยแพร่สองฉบับ ห่างกันหนึ่งสัปดาห์ กับการลดน้ำหนักที่แตกต่างกันอย่างมากสองครั้ง

เส้นเวลาต่างกันพอ ๆ กับสถาปัตยกรรม Step 5 Preview เปิดให้ใช้งานผ่าน API เมื่อวันที่ 20 กันยายน จากนั้นเป็นผลิตภัณฑ์แบบโฮสต์เท่านั้นอยู่เกือบสี่สัปดาห์ ก่อนที่ StepFun จะเผยแพร่เช็กพอยต์เมื่อวันที่ 15 ตุลาคม MiMo V2.6 Pro เปิดตัวน้ำหนักโมเดลที่ได้รับอนุญาตภายใต้ MIT ควบคู่กับ API เมื่อวันที่ 21 กันยายน และ Xiaomi เผยแพร่สูตรการเรียนรู้แบบเสริมกำลัง สภาพแวดล้อมงานประมาณ 7,000 แบบ และโมเดลพี่น้องขนาด 9B ที่ผ่านการกลั่นในเวลาเดียวกัน

เอกสารข้อมูลจำเพาะ หนึ่งบรรทัดต่อหนึ่งมิติ:

• พารามิเตอร์ทั้งหมดและพารามิเตอร์ที่ใช้งาน — Step 5 Preview: 600B ทั้งหมด, 27B ที่ใช้งานต่อโทเค็น MiMo V2.6 Pro: 1.0T ทั้งหมด, 42B ที่ใช้งาน

• สถาปัตยกรรม — Step 5 Preview: 92 เลเยอร์, sparse grouped-query attention พร้อมการทำดัชนีแบบบล็อก 8 โทเคน และการผสมแบบ 3:1 ระหว่าง gated sliding-window attention กับ sparse full attention MiMo V2.6 Pro: sparse MoE ที่มี routed experts 384 ตัว เปิดใช้งาน 8 ตัวต่อโทเคน

บริบทและเอาต์พุต — พรีวิวขั้นตอนที่ 5: 1M โทเค็น MiMo V2.6 Pro: 1M โทเค็น โดยมีเพดานเอาต์พุต 131K บนหน้าของโมเดลเราเอง

• อินพุต — พรีวิวขั้นตอนที่ 5: ข้อความ รูปภาพ และวิดีโอ MiMo V2.6 Pro: ข้อความ รูปภาพ วิดีโอ และเสียง และโฆษณาว่ารองรับเสียงแบบเนทีฟแทนที่จะรองรับเฉพาะวิดีโอ

• น้ำหนักโมเดลและสัญญาอนุญาต — Step 5 Preview: BF16 และ FP8 ภายใต้ StepFun Model License 1.0 ส่วน MiMo V2.6 Pro: MIT

• ราคาต่อล้านโทเคน — Step 5 Preview: $1.00 สำหรับอินพุต, $2.70 สำหรับเอาต์พุต, $0.10 สำหรับแคช MiMo V2.6 Pro: $0.435 สำหรับอินพุต, $0.87 สำหรับเอาต์พุต, $0.0036 สำหรับแคช

ช่องว่างของจำนวนพารามิเตอร์คือสิ่งแรกที่ควรสังเกต Step 5 Preview เป็นโมเดลที่เล็กกว่าเมื่อเทียบขนาดรวม และเล็กกว่าเมื่อเทียบพลังประมวลผลที่ใช้งานจริง โดยอยู่ที่ 27B เมื่อเทียบกับ 42B นั่นไม่ใช่อุบัติเหตุจากการจัดแพ็กเกจ บล็อกเทคนิคของ StepFun โต้แย้งด้วยการแลกเปลี่ยนในทางตรงกันข้าม — สแต็กที่แคบและลึกซึ่งฝึกให้ทำงานเหมือนโมเดลที่ใหญ่กว่ามากในงานเอเจนต์ระยะยาว ซึ่งเป็นเหตุผลว่าทำไม 92 เลเยอร์จึงอยู่ในกรอบ 600B แทนที่จะเป็นโมเดลระดับล้านล้านพารามิเตอร์

บอร์ดได้รับการให้คะแนนใหม่ และตัวเลขเก่ายังคงอยู่ทุกหนทุกแห่ง

หากคุณค้นหาการเปรียบเทียบนี้ในวันนี้ ผลลัพธ์ส่วนใหญ่จะบอกคุณว่า MiMo V2.6 Pro ได้ 46 คะแนน และ Step 5 Preview ได้ 44 คะแนน ตัวเลขเหล่านั้นเป็นการอ่านค่าที่เกิดขึ้นจริง โดยวัดจาก Artificial Analysis Intelligence Index เวอร์ชันก่อนหน้า และเวอร์ชันนั้นได้ถูกแทนที่ไปแล้ว บนกระดานคะแนนในปัจจุบัน สองโมเดลเดียวกันนี้อ่านได้ 30 และ 29 และโมเดลที่เคยอยู่ใกล้เคียงกันก็ขยับไปในปริมาณที่ใกล้เคียงกัน

เรื่องนี้สำคัญด้วยเหตุผลในทางปฏิบัติมากกว่าเหตุผลแบบจู้จี้เรื่องรายละเอียด: ตัวเลขที่คำนวณต่อยอดทุกตัวซึ่งคำนวณจากคะแนนเดิมตอนนี้ผิดทั้งหมด อัตราส่วน “0.13 ดอลลาร์เทียบกับ 0.72 ดอลลาร์ต่องาน” ที่แพร่หลายตอนเปิดตัวได้กลายเป็น 0.26 ดอลลาร์เทียบกับ 2.35 ดอลลาร์ ลำดับไม่ได้เปลี่ยน — MiMo ยังคงนำอยู่หนึ่งตำแหน่ง — แต่ขนาดของทุกสิ่งรอบ ๆ ตัวมันเปลี่ยนไป และทิศทางของเรื่องราวต้นทุนก็เปลี่ยนจากความคลาดเคลื่อนจากการปัดเศษไปเป็นการตัดสินใจ

ข้อควรระวังในการอ่านตัวเลขเหล่านี้ไม่ว่าตัวใด: ดัชนีนี้เป็นค่าผสมแบบถ่วงน้ำหนัก และเกณฑ์เทียบย่อยของดัชนีให้ผลขัดแย้งกันอย่างมากสำหรับคู่นี้ การรายงานเฉพาะค่าผสมเพียงอย่างเดียวจะปิดบังส่วนเดียวของการเปรียบเทียบที่ทำให้ Step 5 Preview มีเหตุผลให้มีอยู่

ที่ซึ่งเก้าต่อหนึ่งซื้อบางสิ่ง

ผลลัพธ์ย่อยสามรายการจากการรันเดียวกันเป็นผลดีกับ Step 5 Preview อย่างแท้จริง และสิ่งเหล่านี้กระจุกตัวอยู่รอบธีมเดียว: การพูดให้น้อยลงเมื่อมันไม่รู้

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% เทียบกับ MiMo V2.6 Pro 15% นำอยู่เกือบเก้าคะแนนในการทดสอบมาตรฐานความรู้ที่ยากที่สุดในชุดนี้

• AA-Omniscience — Step 5 Preview 16 เทียบกับ MiMo V2.6 Pro −4 คะแนนนี้ให้รางวัลทั้งกับการงดตอบอย่างเหมาะสมและการระลึกได้อย่างถูกต้อง และค่าติดลบหมายถึงโมเดลที่ตอบอย่างมั่นใจและผิดบ่อยกว่าการเงียบ

• ความเร็วเอาต์พุต — Step 5 Preview 179.1 โทเคนต่อวินาที เทียบกับ MiMo V2.6 Pro 58.0 โดยวัดบนบริการเดียวกัน อัตราการประมวลผลที่สูงกว่าสามเท่าถือเป็นความแตกต่างด้านเวลาแฝงที่แท้จริงในลูปของเอเจนต์ซึ่งเรียกตามลำดับกันราวหนึ่งโหลครั้ง

ทั้งสามสิ่งนั้นเมื่อรวมกันถือเป็นข้อปกป้องค่าพรีเมียมได้อย่างสอดคล้องกัน: โมเดลที่สร้างข้อมูลเท็จน้อยกว่าและตอบกลับได้เร็วกว่า ย่อมมีมูลค่าต่อโทเค็นสูงกว่าในเวิร์กโหลดแบบเดียวกับที่ผู้ขายทั้งสองรายมุ่งเป้า — เอเจนต์ที่ทำงานต่อเนื่องยาวนาน พรอมต์ระดับรีโพซิทอรี และการสังเคราะห์งานวิจัย คำถามที่แยกออกมาคือมันคุ้มค่ามากกว่าถึงเก้าเท่าหรือไม่ และคำตอบขึ้นอยู่กับว่าคำตอบที่มั่นใจแต่ออกจะผิดนั้นสร้างความเสียหายให้คุณมากเพียงใด

จุดที่ MiMo ชนะโดยไม่มีข้อแม้

โค้ดและการทดสอบอัตโนมัติไปในทิศทางตรงกันข้าม และไม่ใช่เพียงเล็กน้อย

• FrontierCode 2.0 — MiMo V2.6 Pro 24% เทียบกับ Step 5 Preview 12% ซึ่งเป็นคะแนนที่มากกว่าถึงสองเท่าใน benchmark การเขียนโค้ด และเป็นช่องว่างที่ใหญ่ที่สุดเพียงจุดเดียวในคู่นี้

• AutomationBench-AA — 59% เทียบกับ 51%

• Terminal-Bench 4.0 — 35% เทียบกับ 33% เป็นความได้เปรียบแบบหวุดหวิดที่มีนัยสำคัญ เพราะการวางตำแหน่งแบบเอเจนต์ของ Step 5 Preview สร้างขึ้นบนงานด้านเทอร์มินัล

• GDPpdf — 19% เทียบกับ 15% และ Terminal-Bench-Science 6% เทียบกับ 2% ทั้งคู่เพิ่มขึ้นเล็กน้อยแต่สม่ำเสมอ

ชัยชนะของ Step 5 Preview ใน HLE และ Omniscience สะท้อนถึงความกว้างขององค์ความรู้และการคาลิเบรต ส่วนชัยชนะของ MiMo ใน FrontierCode และ AutomationBench สะท้อนถึงความสามารถในการลงมือทำ สำหรับ coding agent แล้ว สิ่งเหล่านี้ไม่ใช่หน่วยวัดมูลค่าที่เทียบกันได้

ค่าแคชคือส่วนที่อาจทำให้ผู้ที่กำลังคำนวณค่าใช้จ่ายต้องประหลาดใจมากที่สุด อัตราอินพุตแบบแคชของ MiMo V2.6 Pro อยู่ที่ $0.0036 ต่อล้านโทเคน เทียบกับ $0.10 ของ Step 5 Preview — ต่างกันถึง 28 เท่าในคลาสโทเคนที่ครองสัดส่วนหลักของการทำงานแบบเอเจนต์ระยะยาว ซึ่งบริบทของรีโปหรือเอกสารเดียวกันถูกอ่านซ้ำในทุก ๆ รอบการสนทนา MiMo ยังจำหน่ายระดับ UltraSpeed ในราคา $4.35 สำหรับอินพุตและ $8.70 สำหรับเอาต์พุต สำหรับการเรียกที่ต้องการความหน่วงต่ำเป็นพิเศษ ซึ่งเป็นวิธีซื้อทรูพุตโดยไม่ต้องเปลี่ยนโมเดล

ต้นทุนที่แท้จริงของหนึ่งเทิร์นเอเจนต์

ลองดูการเรียกหนึ่งครั้งที่เป็นตัวแทน: บริบทขาเข้า 400,000 โทเค็น เอาต์พุต 20,000 โทเค็น ตามราคาป้ายนั้น Step 5 Preview อยู่ที่ $0.454 และ MiMo V2.6 Pro อยู่ที่ $0.191 — ช่องว่าง 2.4 เท่า ไม่ใช่ 9 เท่า ตอนนี้ลองรันบริบทเดิมสิบครั้งในเซสชันเดียว เมื่อแคชทำงานตามหน้าที่ Step 5 Preview อ่าน 400,000 โทเค็นนั้นซ้ำในราคา $0.10 ต่อล้าน และ MiMo V2.6 Pro ในราคา $0.0036 และช่องว่างในส่วนที่แคชไว้ก็ขยายเป็นประมาณ 28 ต่อ 1

การคำนวณนั้นคือเหตุผลที่ทำให้ช่องว่างต่องานกับช่องว่างบนป้ายราคาไม่ตรงกัน ตัวเลขต่องานเป็นค่าเฉลี่ยถ่วงน้ำหนักจากการประเมินเต็มรูปแบบที่มีการนำพรอมป์กลับมาใช้ซ้ำสูง จึงสะท้อนอัตราแคชพอ ๆ กับอัตราที่ประกาศไว้ ถ้าภาระงานของคุณเป็นพรอมป์แบบครั้งเดียวโดยมีบริบทใหม่ทุกครั้งที่เรียก ให้เผื่องบประมาณไว้ใกล้เคียงกับตัวเลข 2.4 เท่า ถ้าเป็นเอเจนต์ที่ทำงานต่อเนื่องและอ่านไฟล์เดิมซ้ำ ตัวเลขเก้าเท่าคือตัวเลขสำหรับการวางแผนที่ตรงกับความจริงมากกว่า

สิ่งที่คุณสามารถเรียกได้ในวันนี้

MiMo V2.6 Pro อยู่ในแค็ตตาล็อกของ OrcaRouter ภายใต้รหัสโมเดลxiaomi/mimo-v2.6-pro โดยคิดราคาตามอัตราตามรายการของ Xiaomi เองที่ $0.43 สำหรับขาเข้าและ $0.87 สำหรับขาออกต่อหนึ่งล้านโทเค็น โดยไม่มีการบวกเพิ่มใด ๆ เหนือราคาดังกล่าว สิ่งนี้สำคัญในที่นี้ด้วยเหตุผลเฉพาะ: ราคาในการเปรียบเทียบนี้เป็นสิ่งที่ มีแนวโน้มจะเปลี่ยนแปลงมากที่สุด และเราเตอร์แบบส่งผ่านราคา (pass-through) หมายความว่าการเปลี่ยนแปลงราคาของ Xiaomi จะส่งผลถึงบิลของคุณในวันเดียวกัน แทนที่จะเป็นตอนต่อสัญญาครั้งถัดไป

Step 5 Preview ไม่ได้อยู่ในแคตาล็อกของเรา ช่องทางสำหรับเรียกใช้ยังคงเป็น API ของ StepFun เอง หรือโฮสต์ของบุคคลที่สามที่มีเช็กพอยต์เหล่านั้น สำหรับทีมที่กำลังชั่งน้ำหนักระหว่างสองทางเลือกนี้ ความไม่สมมาตรนั้นเองก็เป็นข้อโต้แย้งในตัว นั่นคือ ฝั่งหนึ่งของการเปรียบเทียบนี้สามารถทดสอบเทียบกับระบบสำรองได้ด้วยการกำหนดเส้นทางเพียงครั้งเดียว แต่อีกฝั่งทำไม่ได้ ภาษา DSL สำหรับกำหนดเส้นทางช่วยให้คุณส่งทราฟฟิกงานเขียนโค้ดไปยัง MiMo V2.6 Pro และเก็บโมเดลที่สองไว้เบื้องหลังการสลับอัตโนมัติเมื่อเกิดความล้มเหลว ดังนั้นการที่ผู้ให้บริการรายใดรายหนึ่งมีการหน่วงเวลาพุ่งสูงขึ้นจะไม่ทำให้เอเจนต์ล่ม หากความได้เปรียบเพียงหนึ่งจุดของ MiMo ไม่สามารถคงอยู่ได้กับภาระงานของคุณเอง การสลับก็มีต้นทุนเพียงไอดีโมเดล ไม่ใช่สัญญา

คำถามที่แมตช์อัปนี้ยังคงหยิบยกขึ้นมาเรื่อย ๆ

ทำไมหน้าเปรียบเทียบส่วนใหญ่ยังคงแสดง {{1}}46{{/1}} เทียบกับ {{2}}44{{/2}}?

เนื่องจากสิ่งเหล่านี้ถูกเขียนขึ้นโดยอ้างอิงดัชนีเวอร์ชันก่อนหน้าและยังไม่ได้คำนวณใหม่ การประเมินพื้นฐานเปลี่ยนไป ไม่ใช่แค่ตัวแบบเท่านั้น ตัวเลขทุกตัวที่ได้จากสิ่งนี้ — รวมถึงต้นทุนต่องาน — จึงเปลี่ยนตามไปด้วย เมื่อสองหน้าอ้างคู่ตัวเลขนี้และต่างกันเกินหนึ่งหรือสองจุด ให้ตรวจสอบว่าแต่ละค่าถูกสร้างจากดัชนีเวอร์ชันใด

ข้อได้เปรียบด้านการปรับเทียบของ Step 5 Preview จะยังคงอยู่หรือไม่ภายใต้การเปลี่ยนแปลงโดเมน

เพียงบางส่วน ผลลัพธ์ของ Omniscience และ HLE วัดจากความรู้ทั่วไป พฤติกรรมการคาลิเบรตที่ผลลัพธ์เหล่านี้ให้รางวัลจะเกิดประโยชน์สูงสุดเมื่อโมเดลถูกถามถึงเรื่องต่างๆ นอกการกระจายข้อมูลที่ใช้ฝึก ในโดเมนแคบที่โมเดลทั้งสองถูกฝึกอย่างหนัก เช่น โค้ด ความเป็นผู้นำด้าน FrontierCode ของ MiMo ชี้ว่าข้อได้เปรียบจากการงดตอบไม่ได้สร้างคุณค่าที่คุณจ่ายไป

โมเดลใดโมเดลหนึ่งสามารถใช้แทนอีกโมเดลได้ทันทีหรือไม่

ไม่ใช่โดยไม่ตรวจสอบก่อน ในทางปฏิบัติแล้วทั้งสองมีอินเทอร์เฟซที่เข้ากันได้กับ OpenAI แต่การควบคุมการให้เหตุผลแตกต่างกัน เพดานเอาต์พุตแตกต่างกัน และฟุตพรินต์ที่ใช้งานอยู่ 27B ของ Step 5 Preview เปลี่ยนปริมาณพรอมป์ยาวที่คุณเก็บไว้ในหน่วยความจำพร้อมใช้งานได้ พอร์ตพรอมป์ต์ แล้วรันชุดการประเมินของคุณเองใหม่ และเปรียบเทียบบนเวิร์กโหลดของคุณ แทนที่จะเปรียบเทียบจากสไลด์ของผู้จำหน่ายรายใดรายหนึ่ง

สรุปสั้น ๆ ของการตัดสินใจ: หากงานของคุณใช้ความรู้เข้มข้น ไวต่อความหน่วง และผิดพลาดแล้วมีต้นทุนสูง ส่วนต่างราคาเก้าเท่าของ Step 5 Preview ก็สมเหตุสมผล และความเร็ว 179 โทเค็นต่อวินาทีทำให้ใช้งานได้สบาย หากงานของคุณเป็นงานโค้ด งานอัตโนมัติ และเซสชันยาวที่ใช้บริบทเดียวกัน MiMo V2.6 Pro คือโมเดลที่ดีกว่าในราคาที่ห่างกันไม่ใกล้เคียง — และเป็นหนึ่งในสองตัวที่คุณวางไว้หลังเราเตอร์ได้วันนี้ แล้วสลับออกไปได้ในวันพรุ่งนี้