Step 5 Preview so với MiMo V2.6 Pro: Một điểm chỉ số đổi lấy chi phí gấp chín lần

Trong cùng một lần chạy Artificial Analysis, StepFun có Step 5 Preview và Xiaomi có MiMo V2.6 Pro, hai mô hình kết thúc cách nhau đúng một điểm trí tuệ: 29 so với 30. Chúng không chênh nhau chỉ một tờ tiền. Cùng lần chạy đó, giá cho một tác vụ index đã hoàn thành là 2,35 USD cho Step 5 Preview và 0,26 USD cho MiMo V2.6 Pro, chênh lệch khoảng chín lần. Cả hai đều là mô hình mixture-of-experts trọng số mở với cửa sổ một triệu token, đều tiếp nhận cả hình ảnh lẫn văn bản, và cả hai đều ra mắt cách nhau trong vòng một ngày vào cuối tháng 9 năm 2026 — Step 5 Preview trên API của StepFun vào ngày 20 tháng 9, MiMo V2.6 Pro vào ngày 21 tháng 9. Điều đó khiến đây trở thành cuộc so tài trực tiếp rõ ràng nhất hiện có ở phân khúc trọng số mở, và đây là phép so sánh duy nhất mà ở đó mô hình rẻ hơn cũng chính là mô hình ghi điểm nhỉnh hơn một chút.

Điều sau đây sử dụng một lần chạy đánh giá duy nhất, được thực hiện trên phiên bản chỉ mục mà Artificial Analysis đang cung cấp hôm nay, vì gần như mọi trang so sánh vẫn còn trên web đều sử dụng một phiên bản đã bị thay thế. Các số liệu dưới đây có thể tái lập, cùng một lần chạy và ghi rõ ai đã tạo ra chúng.

Hai ghi chú phát hành cách nhau một tuần, hai mức giảm cân rất khác nhau

Các mốc thời gian khác biệt chẳng kém gì các kiến trúc. Step 5 Preview đã có API vào ngày 20 tháng 9, rồi trải qua gần bốn tuần chỉ là sản phẩm chạy trên dịch vụ lưu trữ trước khi StepFun công bố các checkpoint vào ngày 15 tháng 10. MiMo V2.6 Pro phát hành trọng số được cấp phép MIT cùng với API vào ngày 21 tháng 9, và Xiaomi công bố công thức học tăng cường, khoảng 7.000 môi trường tác vụ và một phiên bản 9B chưng cất cùng lúc.

Các bảng thông số kỹ thuật, mỗi dòng một kích thước:

• Tổng số tham số và tham số hoạt động — {{1}}Step 5 Preview{{/1}}: tổng 600B, 27B hoạt động mỗi token. {{2}}MiMo V2.6 Pro{{/2}}: tổng 1.0T, 42B hoạt động.

• Kiến trúc — Bản xem trước Bước 5: 92 lớp, cơ chế attention truy vấn nhóm thưa với chỉ mục khối 8 token, và tỷ lệ pha trộn 3:1 giữa attention cửa sổ trượt có cổng với attention đầy đủ thưa. MiMo V2.6 Pro: MoE thưa với 384 chuyên gia định tuyến, tám chuyên gia hoạt động trên mỗi token.

• Ngữ cảnh và đầu ra — Xem trước Bước 5: 1 triệu token. MiMo V2.6 Pro: 1 triệu token, với giới hạn đầu ra 131K trên trang mô hình của chúng tôi.

• Đầu vào — Xem trước Bước 5: văn bản, hình ảnh và video. MiMo V2.6 Pro: văn bản, hình ảnh, video và âm thanh, đồng thời quảng cáo âm thanh nguyên bản thay vì chỉ video.

• Trọng số và giấy phép — Step 5 Preview: BF16 và FP8, theo StepFun Model License 1.0. MiMo V2.6 Pro: MIT.

• Giá mỗi triệu token — Step 5 Preview: $1,00 đầu vào, $2,70 đầu ra, $0,10 được lưu đệm. MiMo V2.6 Pro: $0,435 đầu vào, $0,87 đầu ra, $0,0036 được lưu đệm.

Khoảng cách tham số là điều đầu tiên dễ nhận thấy. Step 5 Preview là mô hình nhỏ hơn về tổng kích thước và cũng nhỏ hơn về tính toán hoạt động, 27B so với 42B. Đó không phải là sự ngẫu nhiên trong cách đóng gói; blog kỹ thuật của StepFun lập luận về sự đánh đổi ngược lại — một ngăn xếp hẹp và sâu được huấn luyện để hành xử giống một mô hình lớn hơn nhiều trong công việc agent dài hạn, đó là lý do 92 lớp nằm trong khuôn khổ 600B thay vì một mô hình nghìn tỷ tham số.

Bảng đã được chấm lại điểm, nhưng những con số cũ vẫn còn ở khắp nơi.

Nếu hôm nay bạn tìm kiếm cặp đối đầu này, hầu hết kết quả sẽ cho bạn biết MiMo V2.6 Pro đạt 46 và Step 5 Preview đạt 44. Đó là những con số thực tế. Chúng được lấy trên một phiên bản trước đó của Artificial Analysis Intelligence Index, và phiên bản đó kể từ đó đã bị thay thế. Trên bảng xếp hạng hiện tại, hai mô hình đó ghi nhận 30 và 29, và các mô hình từng nằm gần chúng đã dịch chuyển với mức tương tự.

Điều này quan trọng vì một lý do thực tiễn chứ không phải lý do vụn vặt: mọi con số phái sinh được tính từ các điểm số cũ giờ đều sai. Tỷ lệ "$0.13 so với $0.72 mỗi tác vụ" từng lưu hành khi ra mắt đã trở thành $0.26 so với $2.35. Thứ tự không thay đổi — MiMo vẫn dẫn trước một bậc — nhưng độ lớn của mọi thứ xung quanh nó thì đã thay đổi, và chiều hướng của câu chuyện chi phí đã chuyển từ một sai số làm tròn thành một quyết định.

Một lưu ý về cách đọc bất kỳ con số nào trong số này: chỉ số là một tổng hợp có trọng số, và các tiêu chuẩn phụ của nó không đồng nhất rõ rệt với cặp này. Nếu chỉ báo cáo chỉ số tổng hợp, sẽ che khuất phần duy nhất của phép so sánh khiến Step 5 Preview có lý do tồn tại.

Nơi mà tỉ lệ chín-một mua được thứ gì đó

Ba kết quả phụ từ cùng một lần chạy thực sự có lợi cho Step 5 Preview, và chúng đều xoay quanh một chủ đề duy nhất: nói ít hơn khi không biết.

• Humanity's Last Exam (Diamond) — Step 5 Preview 24% so với MiMo V2.6 Pro 15%. Dẫn trước gần chín điểm trên benchmark kiến thức khó nhất trong bộ.

• AA-Omniscience — Step 5 Preview 16 so với MiMo V2.6 Pro −4. Điểm số tưởng thưởng cho cả việc kiềm chế trả lời đã được hiệu chỉnh lẫn việc gợi nhớ đúng, và giá trị âm biểu thị một mô hình trả lời tự tin và sai thường xuyên hơn so với việc giữ im lặng.

• Tốc độ đầu ra — Step 5 Preview đạt 179,1 token mỗi giây so với 58,0 của MiMo V2.6 Pro, được đo trên cùng một dịch vụ. Thông lượng gấp ba lần tạo ra khác biệt độ trễ thực sự trong một vòng lặp agent thực hiện mười hai lệnh gọi tuần tự.

Ba điều đó cùng nhau tạo thành một lập luận nhất quán để biện minh cho mức giá cao hơn: một mô hình ít ảo giác hơn và phản hồi nhanh hơn đáng giá hơn trên mỗi token đúng trong những khối lượng công việc mà cả hai nhà cung cấp đang nhắm tới — tác tử chạy dài, prompt quy mô toàn kho mã, tổng hợp nghiên cứu. Liệu nó có đáng giá gấp chín lần hay không là một câu hỏi riêng, và câu trả lời phụ thuộc vào việc một câu trả lời sai nhưng đầy tự tin gây tốn kém cho bạn đến mức nào.

Nơi MiMo giành chiến thắng mà không cần dấu hoa thị nào

Mã nguồn và các bài kiểm thử tự động lại đi theo hướng ngược lại, và không phải chỉ ở phạm vi hẹp.

• FrontierCode 2.0 — MiMo V2.6 Pro 24% so với Step 5 Preview 12%. Gấp đôi điểm số trên bộ đánh giá lập trình, đây là mức khác biệt lớn nhất trong cặp.

• AutomationBench-AA — 59% so với 51%.

• Terminal-Bench 4.0 — 35% so với 33%, một lợi thế sít sao nhưng quan trọng vì định vị tác tử của Step 5 Preview được xây dựng trên công việc terminal.

• GDPpdf — 19% so với 15%, và Terminal-Bench-Science 6% so với 2%, cả hai đều khiêm tốn nhưng nhất quán.

Các chiến thắng của Step 5 Preview trên HLE và Omniscience được hiểu là bề rộng kiến thức và độ hiệu chỉnh; các chiến thắng của MiMo trên FrontierCode và AutomationBench được hiểu là khả năng hành động. Với một tác nhân lập trình, đó không phải là những loại giá trị tương đương.

Chi phí bộ nhớ đệm là phần dễ khiến người đang mô hình hóa chi phí bất ngờ nhất. Giá đầu vào được lưu trong bộ nhớ đệm của MiMo V2.6 Pro là $0,0036 mỗi triệu token, so với $0,10 của Step 5 Preview — chênh lệch 28 lần ở loại token chiếm phần lớn trong một phiên tác nhân dài, nơi cùng một ngữ cảnh kho mã hoặc tài liệu bị đọc lại ở mỗi lượt. MiMo cũng bán gói UltraSpeed với giá $4,35 đầu vào và $8,70 đầu ra cho các cuộc gọi quan trọng về độ trễ, một cách để mua thông lượng mà không cần đổi mô hình.

Chi phí thực tế của một lượt agent

Lấy một lần gọi tiêu biểu: đầu vào là ngữ cảnh 400.000 token, đầu ra 20.000 token. Theo giá niêm yết, đó là $0,454 cho Step 5 Preview và $0,191 cho MiMo V2.6 Pro — chênh lệch gấp 2,4 lần, chứ không phải gấp chín lần. Giờ hãy chạy cùng ngữ cảnh đó mười lần trong một phiên. Khi bộ nhớ đệm phát huy tác dụng, Step 5 Preview đọc lại 400.000 token đó với giá $0,10 mỗi triệu token và MiMo V2.6 Pro với giá $0,0036, và khoảng cách ở phần được lưu trong bộ nhớ đệm nới rộng lên khoảng 28:1.

Phép tính đó là lý do khiến khoảng cách theo từng tác vụ và khoảng cách giá niêm yết không khớp nhau. Con số theo từng tác vụ là mức trung bình có trọng số trên toàn bộ một lần đánh giá với việc tái sử dụng lời nhắc nhiều, nên nó phản ánh tỷ lệ bộ nhớ đệm nhiều như tỷ lệ niêm yết chính. Nếu khối lượng công việc của bạn là các lời nhắc một lần với ngữ cảnh mới mỗi lần gọi, hãy dự trù gần với con số gấp 2,4 lần hơn. Nếu đó là một tác nhân liên tục đọc lại cùng các tệp, con số gấp chín lần là con số lập kế hoạch trung thực hơn.

Những gì bạn có thể gọi hôm nay

MiMo V2.6 Pro có trong danh mục của OrcaRouter dưới mã model xiaomi/mimo-v2.6-pro, được tính theo mức giá niêm yết của chính Xiaomi là $0.43 đầu vào và $0.87 đầu ra mỗi triệu token, không cộng thêm phụ phí nào. Điều đó quan trọng ở đây vì một lý do cụ thể: mức giá trong so sánh này là thứ có khả năng thay đổi cao nhất, và một router chuyển tiếp nguyên giá có nghĩa là khi Xiaomi thay đổi giá, thay đổi đó sẽ lên hóa đơn của bạn ngay trong cùng ngày thay vì vào lần gia hạn hợp đồng tiếp theo.

Step 5 Preview không nằm trong danh mục của chúng tôi. Nơi để gọi nó vẫn là API riêng của StepFun, hoặc một máy chủ bên thứ ba có chứa các checkpoint. Đối với một nhóm đang cân nhắc giữa hai lựa chọn, sự bất đối xứng đó tự nó đã là một lý lẽ: một bên của phép so sánh này có thể được kiểm thử với một phương án dự phòng chỉ trong một cấu hình định tuyến, còn bên kia thì không. DSL định tuyến cho phép bạn gửi lưu lượng lập trình đến MiMo V2.6 Pro và giữ một mô hình thứ hai phía sau cơ chế chuyển đổi dự phòng tự động, nhờ đó một đợt tăng vọt độ trễ ở một nhà cung cấp không khiến agent ngừng hoạt động. Nếu lợi thế một điểm của MiMo hóa ra không giữ được trên khối lượng công việc của chính bạn, việc chuyển đổi chỉ tốn một model id, chứ không phải một hợp đồng.

Những câu hỏi mà cuộc đối đầu này cứ liên tục đặt ra

Tại sao hầu hết các trang so sánh vẫn hiển thị 46 so với 44?

Bởi vì chúng được viết dựa trên phiên bản trước của chỉ số và chưa được tính toán lại. Việc đánh giá cơ bản đã thay đổi, không chỉ các mô hình, nên mọi con số bắt nguồn từ đó — bao gồm cả chi phí theo từng tác vụ — đều thay đổi theo. Khi hai trang trích dẫn cặp này và lệch nhau hơn một hoặc hai điểm, hãy kiểm tra xem phiên bản chỉ số nào đã tạo ra từng trang.

Liệu lợi thế hiệu chỉnh của Step 5 Preview có còn giữ được khi xảy ra dịch chuyển miền không?

Một phần. Các kết quả Omniscience và HLE được đo trên kiến thức chung; hành vi hiệu chuẩn mà chúng tưởng thưởng có giá trị nhất khi mô hình được hỏi về những thứ nằm ngoài phân phối huấn luyện của nó. Trong một lĩnh vực hẹp mà cả hai mô hình đều được huấn luyện kỹ — ví dụ như mã nguồn — vị thế dẫn đầu của MiMo ở FrontierCode cho thấy lợi thế từ chối trả lời không phải đang làm công việc mà bạn đang trả tiền cho.

Có phải một trong hai mẫu là bản thay thế trực tiếp cho mẫu còn lại không?

Không thể làm vậy mà không kiểm tra. Trên thực tế, chúng có chung một bề mặt tương thích OpenAI, nhưng cơ chế điều khiển suy luận khác nhau, giới hạn đầu ra khác nhau, và mức chiếm dụng 27B hoạt động của Step 5 Preview thay đổi lượng của một prompt dài mà bạn có thể giữ trong bộ nhớ thường trú. Hãy chuyển prompt sang, chạy lại bộ đánh giá của riêng bạn, và so sánh trên khối lượng công việc của bạn thay vì dựa vào slide của bất kỳ nhà cung cấp nào.

Bản tóm tắt ngắn gọn của quyết định: nếu khối lượng công việc của bạn nặng về kiến thức, nhạy cảm với độ trễ và tốn kém nếu làm sai, thì mức giá cao gấp chín lần của Step 5 Preview là có thể biện minh được, và tốc độ 179 token mỗi giây của nó khiến việc sử dụng trở nên dễ chịu. Nếu khối lượng công việc của bạn là mã, tự động hóa và các phiên dài trên cùng một ngữ cảnh, thì MiMo V2.6 Pro là mô hình tốt hơn với mức giá chênh lệch không hề nhỏ — và trong hai mô hình, đây là mô hình bạn có thể đặt sau một router ngay hôm nay và chuyển sang cái khác vào ngày mai.