一张生成的标题卡写着 Qwen4-Max 对比 MiMo v2.6 Pro,副标题为“领先十三分,账单是十二倍”,还有三个标签分别显示:每任务成本 $3.27 对 $0.26;指数 v5.0.1 为 43 对 30;权重闭源对 MIT。
Guides & Insights

Qwen4-Max 对比 MiMo v2.6 Pro:十三分指数提升,换来十二倍账单

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

MiMo v2.6 Pro 是整个对比系列中最便宜的模型,而 Qwen4-Max 不是,这听起来像是一场价格争论的开端,实际上却是它的终点。小米的旗舰模型标价为每百万输入 token 0.435 美元、每百万输出 token 0.87 美元。阿里巴巴的旗舰模型在新加坡的标价为 1.50 美元和 4.50 美元。在输出方面,这是 5.2 倍;而在 Artificial Analysis 测得的每个已完成 Intelligence Index 任务的成本上,差距还要更大:MiMo v2.6 Pro 为 0.26 美元,Qwen4-Max 为 3.27 美元,即 12.6 倍。

这并不是全部原因,还在于得分行也朝着同一方向变化。Qwen4-Max 在 Index v5.0.1 上得 43 分;MiMo v2.6 Pro 得 30 分。因此,这个页面要回答的问题不是哪个更便宜——在这一点上,两个模型都没有任何含糊之处——而是十三个指数分是否值得十二倍的价格,以及对于哪些任务,答案会反转。

每个模型是什么,以及谁可以运行它

MiMo v2.6 Pro 是小米 MiMo-V2.6 系列的旗舰检查点:一个稀疏混合专家模型,总参数量约 1.02 万亿,每个 token 激活 420 亿参数,共 70 层,其中 60 层为滑动窗口层、10 层为全局层,包含 384 个路由专家并激活其中 8 个,支持 100 万 token 上下文和 128,000 token 输出。它在单一模型中接受文本、图像、视频和音频——一个 6.81 亿参数的视觉编码器和一个单独的音频分词器负责非文本部分——并且以 Qwen4-Max 所不具备的方式实现全模态。其权重以 MIT 许可证在 Hugging Face 上开放,无门控,并随附一个 5 层多 token 预测草稿模型用于推测解码。

Qwen4-Max 是阿里巴巴 Qwen 4 系列的闭源旗舰模型,自 2026 年 11 月 16 日起全面可用:总参数为 2.4 万亿,每 token 激活 710 亿参数,另有 3280 亿 N-gram 嵌入参数;架构中包含 Gated DeltaNet 和稀疏注意力索引器;上下文长度为 1M token,输入上限为 991,808 token,思考与答案之间共享 262,144 token。输入为文本、图像和视频。输出为文本。无论出价多少,都不提供权重。

最后那句话才是结构性差异,其重要性超过本页上的每一项基准测试。其中一个模型,你可以从供应商那里租用;另一个模型,你既可以租用,也可以下载、微调、量化、部署在你自己的硬件上、冻结在你控制的某个版本上,并且在供应商调整定价或停用端点之后继续运行。对于受监管的买家,或是曾被弃用事件坑过的团队来说,那不是功能表上的一行——而是整个决策本身,也让指数差距成为次要考虑。

记分板,以及解释它的 token 计数

以下每项数据均来自 Artificial Analysis 在 Index v5.0.1 上、各厂商最高 effort 设置下的结果,或来自厂商自己的卡片。此处未复现其中任何内容。

• 指数 — Qwen4-Max 43 对 MiMo v2.6 Pro 30。相差十三分,而两者都位于中位数为 43 的排行榜中部。

• 输入价格——Qwen4-Max 在新加坡为 $1.50,其他地区为 $1.413;而 MiMo v2.6 Pro 为 $0.435。

输出价格——$4.50 vs $0.87。这里的 5.2× 是本次对比中最大的单项倍数,也是大多数费率卡评审最先强调的一项。

• 缓存读取——Qwen4-Max 每百万 $0.075,而 MiMo v2.6 Pro 为 $0.0036。在主导长时间智能体运行的那一个计费项上,成本仅为前者的 1/21。

• 每个索引任务的成本——3.27 美元 vs 0.26 美元。12.6× 的差距大于任一价格比,因为 Qwen4-Max 还以高得多的单价生成了略少的 token(127M 对 131M)。

• 每个索引任务耗时——32.1 分钟对 34.6 分钟,中位数为 11.5 分钟。追踪器将两者都描述为明显缓慢;这里没有可争辩的速度优势。

• 输出速度——每秒 54.5 个 token,对比 58.3。实际上基本持平,而两者都远远落后于闭源旗舰所处的 85 至 172 区间。

• 上下文与输出——两者的输入均为 1M。Qwen4-Max 将非思考输出上限设为 131,072,并在推理与回答之间共享 262,144;MiMo v2.6 Pro 文档标明固定为 128,000。

• 模态——Qwen4-Max 支持文本、图像、视频;MiMo v2.6 Pro 支持文本、图像、视频和音频。

• 权重 — 无 vs MIT,无需门禁,托管在 Hugging Face 上,并已在模型卡上发布 SGLang 和 vLLM 启动配方。

A screenshot of the Artificial Analysis page for MiMo-V2.6-Pro captured 18 November 2026 with an English interface, showing the Xiaomi provider tag and an open-weights badge, an Intelligence Index score of 30, $0.43 input and $0.87 output per million tokens, $0.26 per task, 131M output tokens, 58 tok/s, 34.6 minutes per task and a 1M context window.

十三点,定价合理

把 12.6× 的每任务差距与十三个点的指数差距相对照,最省事的解读是:Xiaomi 在以远低于对方的价格出售能力,而 Alibaba 在收取品牌溢价。这种解读是错的,但那种条件反射式的纠正也同样错,即认为十三个指数点总能证明任何倍数都合理。

先从一分能换来什么说起。Intelligence Index 是一项九项评估的加权平均,覆盖智能体式知识工作、终端编码、开源软件工程、文档推理、物理与科学工作流。得分 43 的模型能超过中位数;得分 30 的模型则不能,而且 30 分模型的失败模式通常不是“答错”,而是“把容易的 70% 做完,却放弃困难的 30%”——冗长的工具调用链、多文件重构、需要对提取出的数值做三步算术的问题。如果你的工作负载是检索、分类、抽取或摘要,这些正是差距会缩小的任务,而 MiMo v2.6 Pro 的价格会直接胜出。如果你的工作负载是一个对实时系统发起二十次工具调用的自主智能体,那么差距会按每一步累积;一个在第 14 轮就放弃链条的模型,无论 token 成本如何,都已经让你这次运行付出了代价。

那就把乘数算清楚。按每项索引任务 $3.27 对 $0.26 计算,每天一千次智能体运行就是 $3,270 对 $260,也就是每月大约 $90,000 对 $7,200。这个数字决定了那十三个点是否负担得起,也正是这个数字让比较对 Xiaomi 不公平,因为 Qwen4-Max 完成而 MiMo v2.6 Pro 放弃的运行,并不是同样的一千次运行。只有当两个模型都完成时,单任务成本才是在进行同类比较。

A generated two-column scoreboard titled Qwen4-Max vs MiMo v2.6 Pro - the scoreboard, with six rows reading index 43 against 30, cost per task $3.27 against $0.26, input price $1.50 against $0.435, output price $4.50 against $0.87, cache read $0.075 against $0.0036, and weights closed against MIT, ungated.

MiMo v2.6 Pro 在能力而非价格上胜出的那一行

音频。MiMo v2.6 Pro 通过一个 308M 的 AudioTokenizer 和一个 127M 的音频 patch 编码器原生支持音频,而且是在同一个模型里同时处理文本、图像和视频。Qwen4-Max 的文档中只提到文本、图像和视频输入,没有任何音频路径。对于需要转写并推理通话录音、会议音频或广播素材的流水线来说,仅凭这一项,就足以让 Qwen4-Max 在任何价位上都被排除在外,而做到这一点的模型,每百万输出 token 的成本仅为 0.87 美元。

对于另一类买家来说,开放权重同样具有非常实际的意义。需要固定检查点用于审计、领域微调、本地部署,或需要完全没有按 token 计费的成本结构的团队,可以直接采用 MiMo v2.6 Pro 的仓库,并停止向任何人付费。Qwen 这边不存在这一选项,再多的指数分数也无法替代它。

廉价机型的规格表在哪里缩水

MiMo 卡片上有两行值得标记,因为它们日后会带来成本。

第一个是输出上限。固定 128,000 个 token 对聊天和分析来说够用,对长解码生成来说则偏薄——单次 200,000 个 token 的综合任务就会被截断,而在智能体运行中,截断通常意味着重试,而不是给出更短的答案。Qwen4-Max 的 262,144 共享预算也不算宽裕,但它是该上限的两倍。

第二点是规格表自身的一致性。MiMo 的模型卡在描述其推测解码草稿模型时,既写了层数,也写了每次前向传播预测多少个 token,但架构表里只出现了前者。这是件小事,而正是这种小事说明这张卡是匆忙拼凑出来的。小米也没有为自己的检查点公布任何吞吐量或内存数据;流传的每一个速度数字,包括上面的 58.3 token/秒,都是第三方在测量并非你的硬件。

Qwen4-Max 面临相反的问题:一张非常完整的厂商卡片,却明显缺失知识截止时间,而这还是一款主打文档与视频理解的模型。这两张卡片都需要同样的准则——相信架构,测试行为。

在不使工作量翻倍的情况下进行比较

OrcaRouter 将 MiMo v2.6 Pro 作为 xiaomi/mimo-v2.6-pro 提供,按 Xiaomi 的标价,并0% 加价透传,与目录中其他模型使用同一密钥和同一个 OpenAI 兼容端点。它不提供 Qwen4-Max,后者可通过 Alibaba 自有的 Model Studio API 以及多个第三方平台获取。

A screenshot of the OrcaRouter model page for xiaomi/mimo-v2.6-pro captured 18 November 2026 with an English interface, showing the Xiaomi breadcrumb, the xiaomi/mimo-v2.6-pro identifier, text, image, video and audio input with vision, audio, tools, JSON and reasoning, a 131K max output, and a description of it as the flagship of the open-source MiMo V2.6 family.

这种不对称其实对当前这个具体决策很方便,因为团队首先要做的根本不是在两者之间做选择——而是先弄清楚这十三个点对自家提示词是否重要。MiMo v2.6 Pro 在这个平台上足够便宜,可以在真实评测集上作为基线运行,而无需先讨论预算:按每个索引任务 $0.26 计算,跑 5,000 条提示词的成本还不到一顿团队午餐。先跑这个,看看它在哪里失败,然后再判断这些失败是否正是 Qwen4-Max 额外能力所解决的。路由 DSL 让答案变得可操作——把 MiMo 能处理的类别交给 MiMo,其余的发往别处——而自动故障转移意味着便宜模型可以作为默认选项,而不必是唯一路径。

这项比较只陈述一次,不含糊其辞:对于任何有价格上限的场景、任何需要音频的场景、任何必须运行在自有硬件上的场景,以及任何 12.6 倍成本优势胜过十三个指数点的场景,MiMo v2.6 Pro 都是正确的默认选择。Qwen4-Max 则是以下情况的正确选择:智能体工作中,任务链中途弃置就是失败模式;需要超过 128,000 个输出 token 的任务;以及想要阿里巴巴区域计量的团队——法兰克福、弗吉尼亚和东京为 $1.413 和 $4.24,北京提供批量推理。两者都不是错误。错误在于只按价目表做选择——在那里答案看似显而易见,而真正重要的算术是 12.6 倍对十三个指数点,而不是 $0.87 对 $4.50。

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新