MiMo-V2.6-Pro vs Qwen4 Max
完整资料:MiMo-V2.6-Pro(Xiaomi)和 Qwen4 Max(Alibaba),包括全部基准测试、价格和排名。
更新于 · 数据来自 8 个来源
截至 2026年11月19日,两者共同的基准测试太少,无法判断质量高下。MiMo-V2.6-Pro 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.544 比 $2.25)。看重编程(58 比 55)选 MiMo-V2.6-Pro;看重知识(59 比 43)和推理(59 比 50)选 Qwen4 Max。MiMo-V2.6-Pro 的首次回答更快(42.8 秒 比 139.2 秒)。
要点(截至 2026年11月19日)
- MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月19日)。
- Qwen4 Max 每百万 token 混合价格为 $2.25(标价,2026年11月19日)。
- 在两者都有结果的 15 项基准测试中,Qwen4 Max 领先 15 项(BenchLeader,2026年11月19日)。
按用途怎么选
推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。
| 用途 | 推荐 | 理由 | 置信度 |
|---|---|---|---|
| 编程 | MiMo-V2.6-Pro | 类别得分 58 比 55;FrontierCode 2.0 (AA) 24.0% 比 26.4% | 中 |
| 推理 | Qwen4 Max | 类别得分 59 比 50;HLE-Diamond (AA) 44.9% 比 15.2% | 高 |
| 知识 | Qwen4 Max | 类别得分 59 比 43;AA-Omniscience v1.1 27.7 比 -4.5 | 高 |
| 对话质量(人类偏好) | – | 只有 MiMo-V2.6-Pro 有 Arena 评分(类别得分 67) | 无法比较 |
| 成本最低 | MiMo-V2.6-Pro | 每百万 token 混合价格 $0.548 比 $2.25;智能体编程会话 $0.030 比 $0.108 | – |
| 首次回答最快 | MiMo-V2.6-Pro | 首个回答 token 42.8 秒(MiMo-V2.6-Pro)比 139.2 秒(Qwen4 Max) | – |
| 低预算大批量 | 两者都不选 | 通常更小的模型更合适:便宜好用的大模型、最快的大模型 | – |
主要差异
- 共同的基准测试太少,无法给出结论。
- MiMo-V2.6-Pro 在编程方面更强。
- Qwen4 Max 在知识、推理方面更强。
- MiMo-V2.6-Pro 更便宜,对方的价格是它的 4.1 倍(每百万 token 混合价格 $0.544 比 $2.25)。
概览
| 规格 | MiMo-V2.6-Pro | Qwen4 Max |
|---|---|---|
| 提供商 | Xiaomi | Alibaba |
| 发布日期 | 2026年9月21日 | 2026年11月16日 |
| 上下文窗口(token) | 1,048,576 | 991,808 |
| 对比时的配置 | MiMo-V2.6-Pro | Qwen4 Max |
| 开放权重 | 是 | 否 |
| 每百万 token 价格(输入 / 输出 / 缓存输入) | $0.440 / $0.870 / $0.0036 | $1.50 / $4.50 / $0.071 |
逐类别对比
类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。
| 类别 | MiMo-V2.6-Pro | Qwen4 Max | 领先者 |
|---|---|---|---|
| 推理 | 49.5 | 58.5 | Qwen4 Max |
| 编程 | 58.1 | 55.1 | MiMo-V2.6-Pro |
| 智能体与工具 | 53.1 | – | 无法比较 |
| 数学 | 65.4 | – | 无法比较 |
| 知识 | 42.6 | 59.0 | Qwen4 Max |
| 人类偏好 | 67.0 | – | 无法比较 |
| 多模态 | 60.2 | – | 无法比较 |
| 长上下文 | 67.9 | – | 无法比较 |
同一图表对比
各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。
未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 长上下文, 多模态, 人类偏好。
各来源的分歧
在两者都有结果的 15 项基准测试中,MiMo-V2.6-Pro 领先 0 项,Qwen4 Max 领先 15 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。
| 综合 Index | MiMo-V2.6-Pro | Qwen4 Max | 领先者 |
|---|---|---|---|
| AA Intelligence Index v5.0.1 | 29.9 | 42.9 | Qwen4 Max |
| Vals Index | 57.8 | 63.2† | Qwen4 Max |
各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。
价格、速度与延迟
标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。
| 指标 | MiMo-V2.6-Pro | Qwen4 Max |
|---|---|---|
| 每百万 token 混合价格 | $0.548 | $2.25 |
| 每百万 token 输入 / 输出 | $0.440 / $0.870 | $1.50 / $4.50 |
| 每百万 token 缓存输入 | $0.0036 | $0.071 |
| 每项任务价格:聊天回复 | $0.0004 | $0.0020 |
| 每项任务价格:总结一份 30 页的报告 | $0.0058 | $0.021 |
| 每项任务价格:代码编辑 | $0.0039 | $0.016 |
| 每项任务价格:智能体编程会话 | $0.030 | $0.108 |
| 每项任务价格:结构化信息提取 | $0.0011 | $0.0039 |
| 智能体编程会话(输入大多命中缓存) | $0.010 | $0.044 |
| 每项基准测试任务成本(AA Index) | $0.257 | $3.27 |
| 每项任务输出 token(AA Index) | 121k | 105k |
| 其中推理部分 | 86k | 69k |
| 每项任务耗时(AA Index) | 36 min | 30 min |
| 输出速度 | 56 tok/s | 59 tok/s |
| 首次回答时间 | 42.8 秒 | 139.2 秒 |
| 完整回答耗时(最近一次测量 2026年11月13日) | 95.7 秒 | – |
按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 MiMo-V2.6-Pro 上花费 $0.257,在 Qwen4 Max 上花费 $3.27;完成同样的工作,MiMo-V2.6-Pro 输出的 token 是对方的 1.2 倍。
每个模型都按其排名最高的推理强度设置进行对比。MiMo-V2.6-Pro 得分 56.9,首个回答 token 需 43 秒。Qwen4 Max首个回答 token 需 139 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本
全部基准测试
共 95 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。
| 指标 | 发布方 | MiMo-V2.6-Pro | Qwen4 Max |
|---|---|---|---|
| BenchLeader Index | BenchLeader | 56.9 | – |
| 智能体与工具得分 | BenchLeader | 53.1 | – |
| 编程得分 | BenchLeader | 58.1 | 55.1 |
| 人类偏好得分 | BenchLeader | 67.0 | – |
| 知识得分 | BenchLeader | 42.6 | 59.0 |
| 长上下文得分 | BenchLeader | 67.9 | – |
| 数学得分 | BenchLeader | 65.4 | – |
| 多模态得分 | BenchLeader | 60.2 | – |
| 推理得分 | BenchLeader | 49.5 | 58.5 |
| 混合价格(美元/百万 token) | BenchLeader | $0.548 | $2.25 |
| 输出速度 | BenchLeader | 56 tok/s | 59 tok/s |
| 首次回答时间 | BenchLeader | 42.8 秒 | 139.2 秒 |
| 上下文窗口 | BenchLeader | 1,048,576 token | 991,808 token |
| 推理 | |||
| Arena Hard Prompts | Arena (LMArena) | 1504 | – |
| LiveBench 2.0 Reasoning | LiveBench | 79.6%† | 92.2%† |
| Humanity's Last Exam (AA) | Artificial Analysis | 49.4% | – |
| HLE-Diamond (AA) | Artificial Analysis | 15.2% | 44.9% |
| CritPt | Artificial Analysis | 26.6% | – |
| CritPt v2 hard subset (AA) | Artificial Analysis | 34.0% | 43.0% |
| MysteryMechanism | Vals AI | 15.3% | – |
| Arena Expert | Arena (LMArena) | 1526 | – |
| 编程 | |||
| SciCode | SciCode | 60.9% | – |
| Arena Coding | Arena (LMArena) | 1538 | – |
| Arena WebDev | Arena (LMArena) | 1623 | 1750† |
| LiveBench 2.0 Coding | LiveBench | 64.5%† | 69.8%† |
| IOI | Vals AI | 39.3% | – |
| Code Migration | Vals AI | 43.0% | – |
| Code Migration v1.1 | Vals AI | 48.8% | – |
| ProgramBench | Vals AI | 0.5% | – |
| SWE-bench Multimodal | Vals AI | 41.3% | – |
| Vibe Code Bench v1.1 | Vals AI | 85.2% | 86.7%† |
| Vibe Code Bench 1-100 v1.1 | Vals AI | 26.4% | – |
| ALE-Bench | Epoch AI Benchmarking Hub | 1158.1 | – |
| Terminal-Bench 4.0 (AA) | Artificial Analysis | 34.9% | 48.5% |
| GameBench 2 by reasoning setting | DuelLab GameBench 2 | 49.8† | – |
| FrontierCode 1.1 (AA) | Artificial Analysis | 45.4% | – |
| FrontierCode 2.0 (AA) | Artificial Analysis | 24.0% | 26.4% |
| 智能体与工具 | |||
| Terminal-Bench | Terminal-Bench | 27.0%† | – |
显示全部 95 项基准测试
| 指标 | 发布方 | MiMo-V2.6-Pro | Qwen4 Max |
|---|---|---|---|
| 智能体与工具 | |||
| APEX-Agents | Mercor | 54.4% | – |
| Arena Agent | Arena (LMArena) | 1.4 | 7.3† |
| LiveBench Long Agentic | LiveBench | 36.4%† | 46.6%† |
| LiveBench Browser | LiveBench | 77.3%† | 80.7%† |
| Terminal-Bench 2.1 (Vals) | Vals AI | 67.8% | – |
| GDPval-AA v2.1, normalised score | Artificial Analysis | 59.1% | – |
| GDPval-AA v2.1 | Artificial Analysis | 1692 | 1809 |
| Analyst Agent (AA) | Artificial Analysis | 37.5% | 46.3% |
| APEX-Agents (AA) | Artificial Analysis | – | 59.1% |
| CyberBench | Vals AI | 72.9% | – |
| Finance Agent v2 | Vals AI | 57.3% | – |
| Finance Agent v2.1 | Vals AI | 64.3% | 66.7%† |
| Harvey's Legal Agent Benchmark v1.1 | Vals AI | 13.8% | 21.3%† |
| Harvey's Legal Agent Benchmark v1 | Vals AI | 10.8% | – |
| Legal Research Bench | Vals AI | 47.1% | 41.4%† |
| SREBench | Vals AI | 3.0% | – |
| Tax Agent Bench | Vals AI | 32.4% | 40.4%† |
| Terminal-Bench 4.0 (Vals) | Vals AI | 31.3% | 48.5%† |
| Terminal-Bench Science | Vals AI | 2.9% | – |
| Arena Agent Task Completion | Arena (LMArena) | 3.5 | 8.8† |
| AutomationBench | Artificial Analysis | 58.6% | 72.6% |
| GDP.pdf (AA) | Artificial Analysis | 19.2% | 26.2% |
| Harvey LAB-AA v1.1 | Harvey | – | 9.4% |
| EnterpriseOps-Gym | Artificial Analysis | – | 48.5% |
| AA-Briefcase v1.1 | Artificial Analysis | 1512 | 1686 |
| Design Arena Agentic | Design Arena | 1263 | 1356 |
| Terminal-Bench-Science 0.1 (AA) | Artificial Analysis | 5.7% | 23.3% |
| CWE-Bench (AA) | Artificial Analysis | 63.3% | – |
| DeepSec-Bench (AA) | Artificial Analysis | 26.2% | – |
| CyberGym end-to-end (AA) | Artificial Analysis | 78.6% | – |
| MKA (AA) | Artificial Analysis | 37.3% | – |
| 数学 | |||
| ProofBench | Vals AI | 70.0% | – |
| Arena Maths | Arena (LMArena) | 1482 | – |
| 知识 | |||
| LiveBench 2.0 Data Analysis | LiveBench | 72.3%† | 83.4%† |
| LiveBench Research | LiveBench | 84.8%† | 84.7%† |
| AA-Omniscience v1.1 | Artificial Analysis | -4.5 | 27.7 |
| Excel Modeling Benchmark | Vals AI | 62.9% | – |
| Excel Modeling Benchmark v1.1 | Vals AI | 67.3% | 70.8%† |
| MedCode | Vals AI | 45.0% | – |
| MedScribe | Vals AI | 88.3% | – |
| Public Benefits Bench v1.1 | Vals AI | 68.9% | – |
| Access to Justice Benchmark | Vals AI | 70.0% | – |
| Financial Coaching Bench | Vals AI | 75.4% | – |
| Immigration Bench | Vals AI | 67.5% | – |
| AA-Omniscience v1.1: accuracy | Artificial Analysis | 34.8% | 43.7% |
| AA-Omniscience v1.1: non-hallucination | Artificial Analysis | 39.8% | 71.6% |
| 指令遵循 | |||
| Arena Instruction Following | Arena (LMArena) | 1473 | – |
| 人类偏好 | |||
| Arena Text | Arena (LMArena) | 1480 | – |
| Arena Creative Writing | Arena (LMArena) | 1449 | – |
| Arena Multi-turn | Arena (LMArena) | 1463 | – |
| Arena Longer Queries | Arena (LMArena) | 1497 | – |
| 多模态 | |||
| Arena Vision | Arena (LMArena) | 1266 | – |
| LiveBench Design | LiveBench | 74.3%† | 79.1%† |
| SAGE | Vals AI | 84.5% | – |
| Humanity's Sixth Sense | Scale AI SEAL | 25.2%† | – |
| VIALS-AA | Handshake AI | 43.5% | – |
| Code2Video-AA | Artificial Analysis | 1052 | – |
| AA-3D | Artificial Analysis | 983 | – |
| 长上下文 | |||
| AA-LCR v1.1 | Artificial Analysis | 86.3% | – |
| MLCR | Artificial Analysis | 12.8% | 19.4% |
| 综合 | |||
| LiveBench 2.0 | LiveBench | 66.1%† | 73.1%† |
| AA Intelligence Index v5.0.1 | Artificial Analysis | 29.9 | 42.9 |
| AA Intelligence Index v4.3.2 | Artificial Analysis | 46.3 | – |
| AA Progress Index v1 | Artificial Analysis | 321.2 | – |
| Vals Index | Vals AI | 57.8 | 63.2† |
| Vals Finance Index | Vals AI | 57.9% | 62.0%† |
| Vals Router Index | Vals AI | 57.8% | – |
| Vals Legal Index | Vals AI | 72.1% | 70.7%† |
| AA Cyber Index | Artificial Analysis | 56.1 | – |
| 元数据 | |||
| AA Openness Index | Artificial Analysis | 52.8 | – |
数据截至 2026年11月19日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。
DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.
变化
- MiMo-V2.6-Pro:2 项分数修订。
- MiMo-V2.6-Pro:1 项分数修订。
- MiMo-V2.6-Pro:1 项分数修订。
- MiMo-V2.6-Pro:6 项分数修订。
- MiMo-V2.6-Pro:1 项分数修订。
- MiMo-V2.6-Pro:1 项分数修订。
- MiMo-V2.6-Pro:BenchLeader Index 61.1 → 57.2。
- MiMo-V2.6-Pro:5 项新结果(AA Intelligence Index v5.0.1, AA Progress Index v1, HLE-Diamond (AA)…);3 项分数修订;价格 $0.13/M → $0.26/M。
- MiMo-V2.6-Pro:BenchLeader Index 61.7 → 61.1。
- MiMo-V2.6-Pro:3 项分数修订。
相关对比
- MiMo-V2.6-Pro vs GPT-6 Astra
- MiMo-V2.6-Pro vs GPT-6.1 Sol
- MiMo-V2.6-Pro vs Claude Fable 5
- MiMo-V2.6-Pro vs GPT-5.6 Sol
- Qwen4 Max vs Qwen3.8 Max
- Qwen4 Max vs Inkling 2 Small
- MiMo-V2.6-Pro vs Qwen3.8 Max
- MiMo-V2.6-Pro vs Gemini 4 Argon
排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型
MiMo-V2.6-Pro vs Qwen4 Max:常见问题
- MiMo-V2.6-Pro 和 Qwen4 Max 哪个更便宜?价格会变吗?
- 目前 MiMo-V2.6-Pro 更便宜:每百万 token $0.544 比 $2.25(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
- 编程用 MiMo-V2.6-Pro 还是 Qwen4 Max 更好?
- MiMo-V2.6-Pro 在编程方面得分更高(类别得分 58 比 55,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,MiMo-V2.6-Pro 为 24.0%,Qwen4 Max 为 26.4%。
- MiMo-V2.6-Pro 和 Qwen4 Max 哪个更快?
- Qwen4 Max 输出更快(输出 59 比 56 token/秒,Artificial Analysis 7 日中位数)。
- 处理长文档哪个更好?
- MiMo-V2.6-Pro 支持更长的上下文:1,048,576 token,Qwen4 Max 为 991,808 token。
- 哪个延迟更低?
- MiMo-V2.6-Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 42.8 秒比 139.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(2)
- 第三方基准测试对 MiMo-V2.6-Pro 和 Qwen4 Max 的看法一致吗?
- 在两者都有结果的 15 项基准测试中,MiMo-V2.6-Pro 领先 0 项,Qwen4 Max 领先 15 项。所有同时评测两者的综合评分都认为 Qwen4 Max 更强。
- Qwen4 Max 是什么时候发布的?
- Qwen4 Max 于 2026年11月16日 发布。