Step 5 Preview 對比 MiMo V2.6 Pro：以九倍帳單換取一個指數點

在同一次 Artificial Analysis 評測中，StepFun 的 Step 5 Preview與 Xiaomi 的 MiMo V2.6 Pro在智能分數上僅相差一分：29 對 30。但兩者的帳單可不是只差一點。同一次評測中，完成一項索引任務的定價，Step 5 Preview 為 2.35 美元，MiMo V2.6 Pro 為 0.26 美元，差距約為九比一。兩者都是具備百萬 token 視窗的開放權重混合專家模型，皆能處理圖像與文字，且都在 2026 年 9 月下旬相隔一天推出——Step 5 Preview 於 9 月 20 日登上 StepFun 的 API，MiMo V2.6 Pro 則於 9 月 21 日。這使得此比較成為開放權重層級中最乾淨俐落的正面對決，也是唯一一組比較中，較便宜的模型同時還是得分略高的那一方。

以下內容採用單次評估執行，取自 Artificial Analysis 今日所提供的索引版本，因為網路上幾乎所有比較頁面仍在使用已被取代的版本。下方數字可重現、出自同一次執行，並標明由誰產生。

兩份發布說明，相隔一週，兩種截然不同的減重幅度

時間線的分歧程度不亞於架構本身。Step 5 Preview 於 9 月 20 日推出 API，隨後近四週僅以託管服務形式提供，直到 StepFun 於 10 月 15 日發布檢查點。MiMo V2.6 Pro 於 9 月 21 日隨 API 一同釋出以 MIT 授權的權重，Xiaomi 同時公開其強化學習訓練配方、約 7,000 個任務環境，以及蒸餾版 9B 同系列模型。

規格表，每個尺寸一行：

• 總參數與活躍參數 — Step 5 Preview：總計 600B，每個權杖 27B 活躍參數。MiMo V2.6 Pro：總計 1.0T，42B 活躍參數。

• 架構 — Step 5 預覽：92 層，採用 8 個 token 區塊索引的稀疏分組查詢注意力，並以 3:1 的比例混合閘控滑動視窗注意力與稀疏完整注意力。MiMo V2.6 Pro：稀疏 MoE，具備 384 個路由專家，每個 token 啟用八個。

• 上下文與輸出 — Step 5 Preview：1M tokens。MiMo V2.6 Pro：1M tokens，在我們自己的模型頁面上，輸出上限為 131K。

• 輸入 — 步驟 5 預覽：文字、圖片與影片。MiMo V2.6 Pro：文字、圖片、影片與音訊，且其標榜原生音訊，而非僅限影片。

• 權重與授權 — {{1}}Step 5 Preview{{/1}}：BF16 與 FP8，依 StepFun Model License 1.0。{{2}}MiMo V2.6 Pro{{/2}}：MIT。

• 每百萬詞元價格 — Step 5 Preview：輸入 $1.00、輸出 $2.70、快取 $0.10。MiMo V2.6 Pro：輸入 $0.435、輸出 $0.87、快取 $0.0036。

參數差距是首先要留意的地方。就總規模而言，Step 5 Preview 是較小的模型；就有效運算量而言，它也是較小的那個，27B 對上 42B。這並非包裝上的偶然；StepFun 的技術部落格主張的是相反取捨——一個狹窄而深的堆疊，經訓練後在長時程代理工作上表現得像大得多的模型，因此 92 層是建立在 600B 的總體規模上，而非兆參數級模型。

看板已重新計分，但舊的數字仍四處可見。

如果你現在搜尋這個對決組合，大多數結果都會告訴你 MiMo V2.6 Pro 得分 46，而 Step 5 Preview 得分 44。那些都是真實的讀數。它們是在較早版本的 Artificial Analysis Intelligence Index 上取得的，而那個版本後來已被取代。以目前現行的排行榜來看，同樣這兩款模型的讀數是 30 和 29，而過去與它們位置相近的模型，變動幅度也差不多。

這件事的重要性出於實際理由，而非吹毛求疵：所有根據舊分數計算出的衍生數字，如今全都錯了。發表時流傳的「每項任務 $0.13 對 $0.72」比例，現已變成 $0.26 對 $2.35。排序沒有改變——MiMo 仍以一分的差距領先——但它周遭一切的量級都變了，成本敘事的方向也從捨入誤差變成了一項決策。

關於如何解讀這些數字的一點提醒：該指數是加權綜合指標，而其子基準在這組配對上差異鮮明。只報告綜合指標，會掩蓋這項比較中唯一能讓 Step 5 Preview 有存在理由的部分。

九比一在哪裡買東西

同一次執行中的三個子結果確實對 Step 5 Preview 有利，而且它們都圍繞著同一個主題：當它不知道時，少說一點。

• Humanity's Last Exam（Diamond）— Step 5 Preview 24% 對 MiMo V2.6 Pro 15%。在這套基準中最困難的知識評測上，領先近九個百分點。

• AA-Omniscience — Step 5 Preview 16 對比 MiMo V2.6 Pro −4。評分會同時獎勵經校準的棄答與正確的回憶；負值表示模型自信答錯的頻率高於保持沉默的頻率。

• 輸出速度 — Step 5 Preview 每秒 179.1 個 token，對比 MiMo V2.6 Pro 的 58.0，皆於同一服務上測得。三倍的輸送量，在需要十幾次循序呼叫的 agent 迴圈中，是實實在在的延遲差異。

那三者合在一起，構成了對這筆溢價的連貫辯護：一個幻覺更少、回應更快的模型，在兩家廠商都鎖定的那些工作負載中——長時間執行的代理程式、代碼庫規模的提示、研究綜整——每個 token 都更有價值。它是否值九倍則是另一個問題，答案取決於一個錯誤卻自信的答案會讓你付出多大代價。

MiMo 毫無保留勝出之處

程式碼與自動化測試則朝相反方向發展，而且差距並不小。

• FrontierCode 2.0 — MiMo V2.6 Pro 24% 對比 Step 5 Preview 12%。在程式設計基準測試上得分翻倍，這是兩者之間最大的單一差異。

• AutomationBench-AA — 59% 對 51%。

• Terminal-Bench 4.0 — 35% 對 33%，這個小幅領先之所以重要，是因為 Step 5 Preview 的代理式定位正是建立在終端機工作上。

• GDPpdf — 19% 對 15%，而 Terminal-Bench-Science 為 6% 對 2%，兩者差距不大但一致。

Step 5 Preview 在 HLE 與 Omniscience 上的勝出，體現的是知識廣度與校準能力；MiMo 在 FrontierCode 與 AutomationBench 上的勝出，體現的是行動能力。對程式設計代理而言，這兩者並非等價的貨幣。

快取成本結構，是最可能讓在做支出建模的人感到意外的一環。MiMo V2.6 Pro 的快取輸入價格是每百萬個 token 0.0036 美元，而 Step 5 Preview 則是 0.10 美元——在長時間的 agent 工作階段中，佔比最高的正是這類 token，因為每一輪都會重新讀取相同的儲存庫或文件內容，而兩者在這類 token 上的差距達 28 倍。MiMo 另外還推出 UltraSpeed 等級，輸入 4.35 美元、輸出 8.70 美元，適用於對延遲敏感的呼叫，這是不必更換模型就能買到更高吞吐量的一種方式。

代理一次回合的實際成本

以一次具代表性的呼叫為例：輸入 400,000 個 token 的上下文，輸出 20,000 個 token。按牌價計算，Step 5 Preview 為 0.454 美元，MiMo V2.6 Pro 為 0.191 美元——差距是 2.4 倍，而非九倍。現在在同一個工作階段中，把相同上下文跑十次。在快取充分發揮作用的情況下，Step 5 Preview 以每百萬 0.10 美元的價格重新讀取那 400,000 個 token，MiMo V2.6 Pro 則為 0.0036 美元，而快取部分的差距擴大到約 28 比 1。

這套算法說明了為什麼每任務差距和標價差距會不一致。每任務數字是完整評估下的加權平均，其中提示被大量重複使用，因此它反映快取命中率的程度不亞於主要費率。如果你的工作負載是每次呼叫都帶有全新上下文的一次性提示，預算就應更接近 2.4 倍的數字。如果是持續性代理反覆讀取相同檔案，九倍數字是更誠實的規劃依據。

你今天可以稱為什麼

MiMo V2.6 Pro 收錄在 OrcaRouter 的目錄中，模型 ID 為xiaomi/mimo-v2.6-pro，依小米自家定價表的費率計費，每百萬個 token 輸入 $0.43、輸出 $0.87，且不額外加收費用。這一點在這裡有其特定原因：這份比較中的價格是最可能變動的部分，而轉嫁式路由器意味著小米的價格變動會當天反映在你的帳單上，而不是等到下一次合約續約才生效。

Step 5 Preview 並不在我們的目錄中。其呼叫管道仍為 StepFun 自家的 API，或是由承載這些檢查點的第三方主機提供。對正在權衡這兩者的團隊而言，這種不對稱本身就是一項論據：這項比較的其中一方，可以在單一路由設定中透過備援方案進行測試，另一方則不行。路由 DSL 讓你能將程式編寫流量送往 MiMo V2.6 Pro，並把第二個模型置於自動容錯移轉之後，因此當某一供應商出現延遲飆升時，也不會讓代理程式停擺。如果事實證明 MiMo 的一分領先在你自己的工作負載上站不住腳，切換的代價只是一個模型 ID，而不是一紙合約。

這個對戰組合不斷引發的疑問

為什麼大多數比較頁面仍顯示 46 對 44？

因為它們是依照前一版指數撰寫的，尚未重新計算。底層的評估方式已經改變，不只是模型而已，因此所有由該評估衍生的數字——包括每項任務成本——也隨之變動。當兩個頁面引用這組數字卻相差超過一、兩點時，請檢查各頁面是由哪個指數版本產生的。

Step 5 Preview 的校準優勢在領域偏移下是否依然成立？

部分是這樣。Omniscience 和 HLE 的結果衡量的是通用知識；它們所獎勵的校準行為，在模型被問到訓練分布之外的事物時最有價值。在兩個模型都受過密集訓練的狹窄領域——例如程式碼——MiMo 在 FrontierCode 的領先表明，棄答優勢並沒有發揮你所付出成本應換來的作用。

這兩個模型中的任何一個是否可以直接替換另一個？

不是不檢查就能照搬。實務上它們共用 OpenAI 相容介面，但推理控制不同、輸出上限也不同，而 Step 5 Preview 的 27B 活躍參數規模，會改變長提示能有多少保持在記憶體中。請移植提示、重新跑你自己的評估集，並依你的工作負載來比較，而不是依任一家廠商的簡報。

決策的簡短版本：如果你的工作負載知識密集、對延遲敏感，而且出錯代價高昂，那麼 Step 5 Preview 九倍的溢價是站得住腳的，其每秒 179 個 token 的表現也讓它用起來很舒服。如果你的工作負載是程式碼、自動化，以及在相同上下文上進行的長時間工作階段，MiMo V2.6 Pro 就是更好的模型，而且價格差距懸殊——它也是兩者之中你今天就能放進路由器後面、明天就能切換掉的那一個。