MiMo V2.6 Pro 지능, 성능 및 가격 분석

TL;DR

MiMo V2.6 Pro는 46의 지능 지수를 기록하여 인공 분석 리더보드 상단 근처에 위치하면서도, 분석된 모델들 중에서 지능 지수 작업당 가장 낮은 비용을 제공합니다. 그러나 원시 생성 속도는 선도적인 경쟁자들에 비해 뒤처집니다.

지능 지수 개요

MiMo V2.6 Pro의 지능 지수 (v4.3.2) = 46 – 높은 점수는 10개 벤치마크 세트(AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR)에서의 전반적인 능력을 나타냅니다. 지수는 평가 기준 통과율, 분석 품질 Elo, 발표 Elo, 환상 페널티를 하나의 수치로 종합합니다.

"인공 분석 지능 지수 v4.3.2는 10개 평가를 포함합니다… 높을수록 좋습니다" – 인공 분석 방법론.

이 점수는 DeepSeek-V4.1(39)보다 앞서고 Claude Opus 5(66.9)와 가까운 원시 지능을 보이지만, GPT-6 Astra(57.9)와 Claude Fable 5(46.7)와 같은 최상위 모델들보다는 낮습니다.

비용 효율성

지능 지수 작업당 가중 평균 비용 = 1M 토큰당 $0.0036 (캐시 히트 가격). 이는 비교 대상 모델들 중에서 가장 저렴하며, 입력/출력 토큰 가격이 낮고 벤치마크당 토큰 소비가 적기 때문입니다.

"MiMo v2.6 학습 실행 비용은 347만 달러로, Big 5의 1억 달러 이상 추정치보다 훨씬 낮습니다" – @ignoramous의 댓글.

따라서 전체 지능 지수 세트를 실행하는 총 비용은 매우 낮으며, 이는 고용량 또는 예산 제약이 있는 배포에 MiMo V2.6 Pro를 매력적인 선택으로 만듭니다.

속도 및 지연 시간

출력 속도: MiMo V2.6 Pro는 ~X 토큰/초를 생성합니다 (원본에서 정확한 수치는 공개되지 않음). 커뮤니티 멤버(@dom96)의 독립 테스트 결과, DeepSeek보다 빠르지만 Claude Opus 5와 같은 선도적 모델보다는 여전히 느리다고 보고했습니다.
첫 번째 토큰까지의 시간(TTFT): 다른 MoE 모델들과 유사하며, 정확한 초 단위는 기재되지 않았습니다.
종단 간 500토큰 응답: 가장 빠른 경쟁자들보다 높아, 합리적인 TTFT에도 불구하고 전체 지연 시간이 길다는 것을 나타냅니다.

"매우 인상적인 모델이지만 여전히 선도적 모델들보다 훨씬 느립니다" – @dom96.

컨텍스트 창 크기

MiMo V2.6 Pro는 큰 컨텍스트 창(정확한 토큰 한도는 명시되지 않음)을 제공하며, 광범위한 문서 처리가 필요한 검색 증강 생성(RAG) 워크플로우에 유리합니다.

개방성 및 라이선스

이 모델은 "상업적 사용 제한" 으로 표시되어 있으며, 특정 조건 하에서 상업적 배포가 허용되지만 비상업적 사용은 제한 없이 허용됩니다. 오픈 웨이트 버전은 제공되지 않습니다.

커뮤니티 피드백 요약

긍정적: 사용자들은 가격 대비 성능의 균형을 높이 평가하며, 처음 시도해보지 않은 사용자에게는 "시도해볼 만한 최상위 모델"이라고 평가합니다 (댓글 by @segmondy).
비판: 일부 관찰자는 헤드라인 순위(#1/114)와 실제 플롯된 점수 사이의 괴리에 대해 의문을 제기하며, UI의 일관성 문제일 수 있다고 지적합니다 (댓글 by @deanc).
비교에 대한 의문: 한 사용자는 DeepSeek-V4.1이 전체 지수 점수는 낮지만 특정 작업에서는 MiMo보다 더 뛰어난 성능을 보인다고 지적합니다 (댓글 by @egeres).
속도에 대한 우려: 비록 모델이 저렴하지만, 생성 속도는 가장 빠른 대안들과 맞먹지 못합니다 (댓글 by @dom96).

결론

MiMo V2.6 Pro는 AI 지수에서 46의 높은 지능을 매우 낮은 비용으로 제공하여, 약간의 지연 시간을 감수할 수 있는 비용 민감한 애플리케이션에 매력적인 선택입니다. 큰 컨텍스트 창과 에이전트 지식 작업에서의 강력한 성능은 그 활용 범위를 더욱 넓히지만, 가장 빠른 원시 처리량을 원하는 사용자는 다른 최상위 모델을 선호할 수 있습니다.