MiMo-V2.6-Pro 對比 GLM-5.2：兩款開放權重 MoE，以及那個你絕不能減去的基準測試

這個比較最偷懶的版本，是把 Xiaomi MiMo-V2.6-Pro 的 72.57 擺在 GLM-5.2 的 46.2 旁邊，稱之為 26 分的勝利，然後就發表了。它錯的原因與哪個模型更好無關：這兩個數字不是同一種測量。小米的 72.57 是在自家測試框架上、搭配 mini-swe-agent 的三次平均，從未提交到任何公開排行榜；而 46.2 則是來自完全不同測試框架的 Pass@1 數字。Xiaomi MiMo-V2.6-Pro 與 GLM-5.2 之間誠實的比較是另一回事，是在兩者都實際被拿來跑過的同一把尺上——而在那把尺上，差距確實存在，但它是十二分，不是二十六分。

在 2026 年 9 月 22 日讀取的 Artificial Analysis Intelligence Index v4.3.2 上，Xiaomi MiMo-V2.6-Pro 得分 46。GLM-5.2 得分 34。兩者都是來自中國實驗室的開放權重混合專家模型，兩者都支援 100 萬 token 的上下文視窗，而且兩者定價都夠便宜，因此兩者之間的選擇取決於能力與服務，而非預算。相似之處僅止於此，因為 GLM-5.2 已被其自家開發商取代，而這篇比較文章所在的頁面也帶有棄用通知。

每個模型是什麼，以及它處於什麼狀態

GLM-5.2 是 Z.ai 的旗艦模型，於 2026 年 6 月 16 日發布。它是一個專家混合式 Transformer，總參數約為 7530 億，每個詞元約有 400 億活躍參數；據報導，它完全以華為昇騰加速器訓練，而非 Nvidia 硬體。它以 MIT 授權條款釋出開放權重，提供 FP8 與 INT4 量化，支援 100 萬詞元的上下文，輸出最高可達 131,072 個詞元，並在 Z.ai 自家 API 上定價為每百萬輸入詞元 1.40 美元、每百萬輸出詞元 4.40 美元，快取輸入為 0.26 美元，混合費率為 0.90 美元。Artificial Analysis 測得其輸出速度為每秒 72.6 個詞元，首個詞元耗時 5.98 秒，執行完整索引的成本為 1,559.05 美元。

小米 MiMo-V2.6-Pro 於 2026 年 9 月 22 日正式全面開放，其強化學習檢查點儲存庫則在前一天出現。這是一個稀疏混合專家模型，總參數達 1.02 兆，每個詞元啟用 420 億參數——總量比 GLM-5.2 更大，啟用數量則幾乎相同——具備 100 萬詞元上下文視窗、原生支援文字、圖像、視訊與音訊的多模態能力，以及 MIT 授權的權重。小米維持了前一代的定價，而非向上調價，因此其定價為每百萬詞元 0.43 美元與 0.87 美元，享有 99% 快取折扣，混合價為 0.18 美元。

• 權重 — 兩者皆以 MIT 授權且可下載；這是唯一一個兩者真正平等的類別

• 活躍參數 — MiMo-V2.6-Pro 每個 token 42B；GLM-5.2 約 40B。兩者幾乎完全相同，這使得分數差距是訓練的結果，而非規模的結果

• 總參數量 — MiMo-V2.6-Pro 1.02T；GLM-5.2 約 753B

• 指數分數 — MiMo-V2.6-Pro 46；GLM-5.2 34，兩者均於 Artificial Analysis v4.3.2 上

• 定價 — MiMo-V2.6-Pro 每 1M 為 $0.43 / $0.87；GLM-5.2 為 $1.40 / $4.40，混合價格 $0.18 對比 $0.90

• 執行索引的成本 — MiMo-V2.6-Pro $206.66；GLM-5.2 $1,559.05

• 速度 — MiMo-V2.6-Pro 134.3 輸出 token/秒；GLM-5.2 72.6

• 首個 Token 時間 — MiMo-V2.6-Pro 2.15 秒；GLM-5.2 5.98 秒

• 狀態 — MiMo-V2.6-Pro 為現行版本且已 GA；GLM-5.2 已在 Artificial Analysis 上被棄用，該平台現在僅以預設的 10k 輸入工作負載對其進行基準測試

棄用通知是頭條

Z.ai 其後已推出 GLM-5.3，而 Artificial Analysis 的 GLM-5.2 頁面也直接這麼寫，將該模型標記為已淘汰，並把後續的基準測試工作縮限在單一預設工作負載上。這改變了本頁的用途。如果你今天要挑選新模型，你真正在意的對決是 MiMo-V2.6-Pro 對上 GLM-5.3，而不是 GLM-5.2——而且在同一個 v4.3.2 索引上，以最高投入程度運行的 GLM-5.3 得分 45，MiMo-V2.6-Pro 則是 46。一分之差。那是一場真正的廝殺，也完全是另一篇文章。

GLM-5.2 的比較仍然值得做，原因很具體：這是最低成本的方式，能說明開放權重前沿在 2026 年 6 月到 9 月之間移動得有多快。大約十四週內上升十二個指數點，而活躍參數量基本上維持不變。無論是什麼帶來了那項進展，都不是規模。

GLM-5.2 過去擅長什麼，以及它如今是否依然如此

GLM-5.2 的發表資料主打程式編寫與長時間執行的代理式工作，而那些數字至今仍足以描述這款模型：SWE-bench Pro 為 62.1，GLM-5.1 則是 58.4；Terminal-Bench 2.1 為 81.0，對手是 63.5；FrontierSWE 為 74.4，對手是 30.5。在知識與數學方面，它回報 GPQA-Diamond 為 91.2、AIME 2026 為 99.2，以及 Humanity's Last Exam 為 40.5。當時它在一項長時程代理式程式編寫基準上領先所有模型，並在一份公開的網頁開發排行榜上排名第二。這些都是廠商在其自家測試框架上回報的數字，而每一項都適用那套老生常談的但書。

Xiaomi 自己公佈的 MiMo-V2.6-Pro 數字，不能與它們相提並論，而值得精確說明原因，而不是含糊帶過。Xiaomi 報告，該模型在其強化學習訓練過程中，於 DeepSWE v1.1 上從 58.4 提升到 72.57，使用 mini-swe-agent 以三次平均進行評估，並由自家評分器評分；該次訓練記錄為 30 個步驟，在不到六天內完成約 750,000 條軌跡，公佈的 Pro 模型花費約為 262 萬美元。這些都不是排行榜條目。排行榜條目是對特定配置在明確條件下的一種主張，且第三方能夠重新執行，而 Xiaomi 的並非如此。另一個追蹤器將 GLM-5.2 列為在 DeepSWE 上 46.2——Pass@1，這是同一任務家族中的不同指標——而將 72.57 與 46.2 並列以得出 26 點差距，是在兩種不同尺度上做算術。不應該這麼做，而這是關於這一對最常見的流傳錯誤。

在兩者之間做選擇，以及讓它變便宜的路由

如果兩者都是同一授權下的開放權重，決定因素就是你實際能跑什麼，以及能在哪裡呼叫它。GLM-5.2 已在 OrcaRouter 上，代號為 z-ai/glm-5.2——單一 OpenAI 相容端點，供應商定價原樣傳遞、0% 加價，因此 Z.ai 調價當天，我們這邊即同步生效。小米 MiMo-V2.6-Pro 不在 OrcaRouter 上；小米旗下沒有任何模型在我們這裡，要取用它得透過小米自家平台，或是有收錄它的第三方型錄。我們寧可把這點講明白，也不願讓模型頁面暗示相反的情況。

有用的結果是，你可以用單一金鑰維持現有供應商，並在不需要第二份合約的情況下，以它們為基準來評估新進者。如果 MiMo-V2.6-Pro 在你的提示詞上勝出，你已用很低的成本得知這件事。如果它沒有勝出——而且相較於每詞元價格差距之大，十二點的指數差距其實較小，因此結果確實取決於你的工作負載——你除了這次測試之外什麼都沒損失。將兩者以自動容錯移轉的方式配置在單一端點之後，也回應了針對本週才推出的模型所提出的實際疑慮：單一服務路由就是單點故障，而一條你能退回的備援通道，正是讓新模型可以安全置於真實流量之前的關鍵。

簡短的回答

如果你今天用的是 GLM-5.2，而且它運作正常，那麼升級的問題不在於 MiMo-V2.6-Pro——而是 GLM-5.3，同一個血脈，與小米模型只差一分，而且沒有任何遷移成本。如果你是從零開始挑選路線，想要三者中實測分數最佳的開放權重，那 MiMo-V2.6-Pro 的 46 就是那個數字，而它每秒 134.3 個 token 以及每項索引任務 0.13 美元，正是它不只是小勝的原因。如果你想要三者中最安全的選擇，GLM-5.2 是錯誤答案，原因與它在六月時有多好毫無關係：它是三者中唯一一個自家廠商已經停止開發的。

OrcaRouter 將 200+ 個模型置於單一 OpenAI 相容端點之後，以供應商標價提供且 0% 加成，因此供應商價格一有變動，當天即會生效。