MiMo-V2.6-Pro vs Kimi K3: Hai bộ trọng số mở nghìn tỷ tham số, chênh lệch gấp mười bốn lần về chi phí mỗi tác vụ

Cả hai đều là mô hình hỗn hợp chuyên gia (mixture-of-experts) trọng số mở từ các phòng thí nghiệm Trung Quốc với cửa sổ ngữ cảnh 1 triệu token. Cả hai đều có thể tải xuống. Trên Artificial Analysis Intelligence Index v4.3.2, ghi nhận ngày 22 tháng 9 năm 2026, Kimi K3 của MoonshotAI đạt 44 điểm và MiMo-V2.6-Pro của Xiaomi đạt 46 điểm. Hai điểm. Chi phí đo được để chạy cùng bộ đánh giá đó cho từng mô hình là 3.658,07 USD đối với Kimi K3 và 206,66 USD đối với MiMo-V2.6-Pro — gấp mười bảy lần. Nếu bạn đã quyết định muốn có trọng số mở trong phân khúc này, thì tỷ lệ đó, chứ không phải hai điểm, mới là điều quyết định.

Kimi K3 là mô hình đã được khẳng định trong cặp đôi này: ra mắt ngày 16 tháng 7 năm 2026, với đầy đủ trọng số theo sau vào ngày 27 tháng 7, và đã trải qua nhiều tháng đánh giá độc lập. Xiaomi MiMo-V2.6-Pro được cung cấp rộng rãi chính thức vào ngày 22 tháng 9 năm 2026, với các kho checkpoint học tăng cường của nó xuất hiện vào ngày hôm trước. Do đó, sự so sánh là giữa một mô hình mở đã được chứng minh với mức giá cao cấp và một mô hình hoàn toàn mới với mức giá phổ thông, và phần thú vị là khoảng cách năng lực đo lường được hóa ra lại hẹp đến vậy.

Mỗi mô hình thực sự là gì

Kimi K3 là một mô hình suy luận đa phương thức trọng số mở 2,8 nghìn tỷ tham số, được mô tả khi ra mắt là mô hình mở đầu tiên trong lớp ba nghìn tỷ. Nó kích hoạt 16 trong số 896 chuyên gia mỗi token — khoảng 104 tỷ tham số hoạt động — và sử dụng Kimi Delta Attention và Attention Residuals để duy trì ngữ cảnh 1M token một cách hiệu quả, với đầu ra lên đến 1M token mỗi yêu cầu. Đây là suy luận luôn bật với thị giác gốc. API chính hãng của Moonshot tính phí 3,00 đô la mỗi triệu token đầu vào, 0,30 đô la mỗi triệu token đầu vào được lưu đệm và 15,00 đô la mỗi triệu token đầu ra, cố định không phân tầng theo độ dài ngữ cảnh, và Artificial Analysis báo cáo mức giảm giá bộ nhớ đệm 90% và mức giá hỗn hợp là 2,31 đô la. Nó đo được 42,8 token đầu ra mỗi giây — chậm đáng kể so với mức trung vị 77,9 của các mô hình có kích thước tương đương — và 3,93 giây đến token đầu tiên.

Xiaomi MiMo-V2.6-Pro là một mô hình hỗn hợp chuyên gia thưa với 1,02 nghìn tỷ tham số tổng cộng và 42 tỷ tham số được kích hoạt mỗi token, có cửa sổ ngữ cảnh 1 triệu token và khả năng đa phương thức gốc trên văn bản, hình ảnh, video và âm thanh. Trọng số của nó mang nhãn giấy phép MIT. Xiaomi giữ nguyên mức giá của thế hệ trước thay vì tăng giá cho checkpoint mới, đó là lý do nó được niêm yết ở mức 0,43 USD mỗi triệu token đầu vào và 0,87 USD mỗi triệu token đầu ra với mức chiết khấu bộ nhớ đệm 99% và mức giá hỗn hợp 0,18 USD. Nó đạt 134,3 token đầu ra mỗi giây — đứng thứ mười một trong số 114 mô hình về tốc độ — và 2,15 giây cho token đầu tiên.

• Tham số hoạt động — MiMo-V2.6-Pro 42B mỗi token; Kimi K3 khoảng 104B, kích hoạt 16 trong số 896 chuyên gia

• Tổng số tham số — MiMo-V2.6-Pro 1,02T; Kimi K3 2,8T

• Điểm chỉ số — MiMo-V2.6-Pro 46; Kimi K3 44, cả hai đều theo Artificial Analysis v4.3.2

• Giá niêm yết — MiMo-V2.6-Pro 0,43 USD / 0,87 USD mỗi 1M; Kimi K3 3,00 USD / 15,00 USD, đầu vào cache 0,30 USD

• Giá hỗn hợp — MiMo-V2.6-Pro $0.18 mỗi 1M; Kimi K3 $2.31

• Chi phí chạy chỉ mục — MiMo-V2.6-Pro $206,66; Kimi K3 $3.658,07

• Tốc độ — MiMo-V2.6-Pro đạt 134,3 token đầu ra/giây; Kimi K3 đạt 42,8, so với mức trung vị 77,9 của phân khúc kích thước

• Thời gian đến token đầu tiên — MiMo-V2.6-Pro 2,15 giây; Kimi K3 3,93 giây

• Ngữ cảnh — 1 triệu token cho cả hai; Kimi K3 xuất đầu ra lên tới 1 triệu token mỗi yêu cầu

• Trọng số — cả hai đều có thể tải xuống; MiMo-V2.6-Pro mang thẻ MIT

Tốc độ chính là sự khác biệt mà chỉ số che giấu

Khoảng cách tổng hợp hai điểm là con số ít thú vị nhất ở đây, còn mức 134,3 so với 42,8 token mỗi giây mới là điều đáng chú ý nhất. Một mô hình tạo sinh nhanh gấp ba lần không phải là tốt hơn gấp ba lần, nhưng đó là khác biệt giữa một lớp ứng dụng hoạt động được và một lớp không hoạt động được — và chính trang Artificial Analysis của Kimi K3 cũng đánh dấu nó là đặc biệt chậm so với phân khúc kích thước của nó. Đối với một vòng lặp tác tử tầm xa thực hiện hàng chục lệnh gọi tuần tự, thông lượng cộng dồn theo cách tương tự như độ trễ: chênh lệch gấp ba lần mỗi lệnh gọi không phải là chênh lệch gấp ba lần từ đầu đến cuối, nhưng đó là khác biệt giữa một phiên mà người dùng chờ đợi xuyên suốt và một phiên mà họ bỏ dở.

Lợi thế của Kimi K3 nằm ở phía đầu vào của sổ sách. Thời gian 3,93 giây để cho ra token đầu tiên của nó chậm hơn mức 2,15 giây của MiMo-V2.6-Pro, nhưng không chênh lệch tới một bậc độ lớn — mức chênh lệch đủ để tách cả hai khỏi một mô hình suy luận tiên phong ở chế độ nỗ lực tối đa. Nơi K3 phải trả giá cho kích thước của mình là ở khâu sinh, và khâu sinh chính là thứ bạn bị tính phí.

Các số nhà cung cấp, và cái thường bị đọc nhầm

Cả hai phòng thí nghiệm đều công bố các số liệu DeepSWE v1.1 từ harness của riêng họ, và cả hai đang được lưu hành như thể chúng có thể so sánh được với nhau. Thực tế thì không, và cặp này chính là nơi sai lầm đó gây thiệt hại nhiều nhất vì các con số trông quá gần nhau.

Xiaomi báo cáo MiMo-V2.6-Pro tăng từ 58.4 lên 72.57 trên DeepSWE v1.1 trong suốt lần chạy học tăng cường của mình, được đánh giá bằng mini-swe-agent theo trung bình cộng ba lần trên bộ chấm điểm của chính Xiaomi. Lần chạy này được ghi nhận là 30 bước và khoảng 750.000 quỹ đạo cho mỗi mô hình, hoàn thành trong dưới sáu ngày với chi phí được công bố khoảng 2,62 triệu USD cho mô hình Pro và 854.044 USD cho mô hình Flash nhỏ hơn. Một cách diễn giải được lan truyền rộng rãi về lần chạy đó đặt Kimi K3 ở mức 68,51 trên cùng benchmark, điều này sẽ khiến mô hình Xiaomi trở thành mô hình chiến thắng với cách biệt bốn điểm. Cách diễn giải đó là một con số của cộng đồng, không phải con số của Moonshot, và hai phép đo sử dụng các chỉ số khác nhau — trung bình cộng ba lần so với tỷ lệ đạt — nên việc trừ chúng là phép tính số học trên các thang đo không khớp. Cả hai nhà cung cấp đều chưa gửi cấu hình nào lên bảng công khai của Datacurve cho các mô hình này.

Con số thực sự có thể so sánh được là chỉ số, bởi vì Artificial Analysis tự chạy cả hai: 46 cho MiMo-V2.6-Pro và 44 cho Kimi K3, trên v4.3.2, mà không công bố bản phân tách theo từng đánh giá cho cả hai mô hình. Mức chênh lệch hai điểm đó đủ nhỏ để nằm trong độ nhiễu của một tổ hợp mười đánh giá, và kết luận trung thực là xét theo năng lực đo được, hai mô hình này thực chất ngang nhau.

Gói premium của Kimi K3 mang lại những gì

Sẽ là sai lầm nếu đọc khoảng cách chi phí như biên lợi nhuận thuần. Kimi K3 là một mô hình 2,8 nghìn tỷ tham số, so với 1,02 nghìn tỷ của Xiaomi, và nó kích hoạt số tham số mỗi token nhiều hơn khoảng hai lần rưỡi. Đây là mô hình mở đầu tiên trong phân khúc kích thước của nó, và nó nắm giữ một loạt kết quả độc lập mà MiMo-V2.6-Pro đơn giản là chưa có thời gian để tích lũy: theo báo cáo của chính Artificial Analysis, vào thời điểm phát hành, nó xếp thứ ba trên Intelligence Index, sau Claude Fable 5 và GPT-5.6 Sol, với GDPval-AA v2 đạt Elo 1668, vị trí thứ nhất trên AutomationBench-AA với 53%, thứ hai trên AA-Briefcase với Elo 1547, và thứ nhất trên Frontend Code Arena với 1679. Đó là những đo lường độc lập, không phải tuyên bố khi ra mắt, và chúng mô tả một mô hình có độ bao quát mà mức chênh lệch tổng hợp hai điểm không thể nắm bắt hết.

Cũng có một câu chuyện về năng lực phục vụ đi kèm. Nhu cầu đối với Kimi K3 được cho là đã vượt quá năng lực phục vụ khi ra mắt, gây ra tình trạng tạm dừng đăng ký API và giới hạn năng lực từ phía thượng nguồn trên một số cổng kết nối. Một mô hình khó tiếp cận là một mô hình khó xây dựng dựa trên đó, và đây là vấn đề về tính sẵn có chứ không phải vấn đề về chất lượng.

Một endpoint, và câu trả lời thẳng thắn về những gì chúng tôi định tuyến

Kimi K3 có trên OrcaRouter với tên kimi/kimi-k3 — một khóa duy nhất tương thích OpenAI, giá niêm yết của nhà cung cấp được chuyển nguyên với mức cộng thêm 0%, vì vậy khi Moonshot thay đổi giá thì phía chúng tôi cập nhật ngay trong cùng ngày, và tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp sẽ khắc phục những giới hạn năng lực đã đeo bám mô hình này kể từ khi ra mắt. Xiaomi MiMo-V2.6-Pro không có trên OrcaRouter. Không có mô hình Xiaomi nào có mặt, và cách truy cập nó hiện nay là qua nền tảng riêng của Xiaomi hoặc một trong các danh mục bên thứ ba đang cung cấp nó. Điều đó đáng được nói thẳng ra thay vì để một trang mô hình ngụ ý điều ngược lại.

Điều đó khiến cặp đôi này trở thành một ví dụ điển hình cho mục đích mà lớp định tuyến sinh ra. Hai mô hình mở, ngang bằng nhau trên thước đo độc lập duy nhất mà cả hai từng được chạy đối chiếu, lại cách nhau tới mười bảy lần về chi phí đo được trên mỗi tác vụ — đó không phải là một lựa chọn, mà là một cấu hình hai làn. Hãy dồn phần lớn lưu lượng của bạn vào làn rẻ và định tuyến phần đuôi sang làn còn lại theo một vị từ do bạn tự định nghĩa, hoặc chuyển sang dự phòng khi một tuyến bị suy giảm. Với các mô hình nằm sau một khóa duy nhất, thí nghiệm cho bạn biết mỗi bên nên chiếm tỷ trọng bao nhiêu chỉ là một thay đổi cấu hình trên chính các prompt của bạn, chứ không phải một cuộc trao đổi mua sắm — và nếu Xiaomi điều chỉnh giá MiMo-V2.6-Pro sau khi cửa sổ ra mắt khép lại, hoặc Moonshot cắt mức giá của K3 để đối phó với cạnh tranh, thì cả hai động thái đều được áp dụng về phía chúng ta ngay trong cùng ngày, chứ không phải đợi đến kỳ thanh toán tiếp theo.

Nên chọn cái nào

Chọn Kimi K3 khi bạn cần độ bao phủ đi kèm với một mô hình có kích thước này và được đo lường độc lập như vậy — thị giác, lập trình tầm xa trên các kho mã lớn, sử dụng công cụ mang tính tác tử — hoặc khi bạn đã chạy nó và chi phí chuyển đổi là có thật. Đây là mô hình được đặc trưng hóa kỹ lưỡng hơn trong hai mô hình, và giới hạn đầu ra 1M token của nó là điểm bất thường. Hãy tính đến tốc độ sinh: ở 42,8 token mỗi giây, xét theo góc độ tương tác, nó là một mô hình dành cho xử lý theo lô và khối lượng công việc ngoại tuyến, bất kể chất lượng suy luận của nó gợi ý điều gì.

Hãy chọn MiMo-V2.6-Pro khi thông lượng và hiệu quả kinh tế đơn vị là ràng buộc, khi vòng lặp nặng về ngữ cảnh và mang tính lặp lại, khi độ trễ token đầu tiên quan trọng, hoặc khi bạn muốn có trọng số trên phần cứng của riêng mình theo một giấy phép thông thoáng. Đây là trường hợp hiếm hoi của một mô hình rẻ mà cũng là mô hình nhanh, và trên điểm số độc lập duy nhất mà cả hai mô hình cùng có, nó dẫn trước với khoảng cách nhỏ đến mức có thể coi là hòa.

Chọn cả hai nếu bạn có router. Kiểu thất bại cần tránh là cố định vào một trong hai chỉ vì một con số tỷ lệ hào nhoáng: trả mức giá của Kimi K3 cho một công việc tóm tắt mà một mô hình chỉ số 46 hoàn thành y hệt, hoặc phát hiện ra rằng một tác vụ lập trình quy mô kho mã cần mô hình 2.8T sau khi bạn đã chuyển mọi thứ sang làn rẻ. Cả hai đều không phải là vấn đề mô hình, mà đều là chuyện cấu hình.

OrcaRouter đưa hơn 200 mô hình vào sau một điểm cuối tương thích OpenAI duy nhất với giá niêm yết của nhà cung cấp, mức chênh lệch 0%, vì vậy khi nhà cung cấp thay đổi giá thì sẽ được cập nhật ngay trong cùng ngày.