MiMo-V2-Omni a US$ 2 contra Qwen3.5 397B: áudio nativo ou pesos abertos
A escolha não passa por inteligência — os dois ficam na faixa IQ 35 e custam quase o mesmo. Passa pelo tipo de problema: multimodal com áudio versus open weights MoE que roda na sua máquina.
Xiaomi entrou no nível IQ 35 há três dias com o MiMo-V2-Omni. Qwen já está lá desde fevereiro com o 3.5 397B A17B. Custam quase a mesma coisa por token, são reasoning models e os dois saem da China — mas a lista de problemas que cada um cobre direito é curta e bem diferente. Vale parar antes de escolher e separar o que é marketing do que é dado.
Números que empatam (e dois que não)
A diferença de preço está no detalhe. MiMo-V2-Omni cobra US$ 2,00 por milhão de tokens de saída; Qwen3.5 397B A17B cobra US$ 2,34. No input, a distância some: US$ 0,40 contra US$ 0,39. Em escala, com 10 milhões de tokens de saída por mês, o Qwen sai US$ 3,40 mais caro — não é isso que decide compra.
No índice de inteligência, o MiMo marca 35.866 contra 34.262 do Qwen. É ~1,6 ponto a favor do Xiaomi. Finos os dois — a disputa real não está aqui.
Para situar o tabuleiro: o topo do catálogo nesta data é Gemini 3.1 Pro Preview (IQ 47.738, US$ 12 por milhão de saída) e GPT-5.3-Codex (IQ 45.512, US$ 14). Claude Sonnet 4.6 vem logo atrás com 35.108 — empatado tecnicamente com os dois analisados aqui, só que por US$ 15 de saída.
| Modelo | Inteligência | Saída US$/M |
|---|---|---|
| Gemini 3.1 Pro Preview | 47.7 | 12 |
| GPT-5.3-Codex | 45.5 | 14 |
| MiMo-V2-Omni | 35.9 | 2 |
| Claude Sonnet 4.6 | 35.1 | 15 |
| Qwen3.5 397B A17B | 34.3 | 3.5 |
Áudio nativo versus texto-imagem-vídeo
A quebra acontece na entrada. MiMo-V2-Omni aceita texto, imagem, áudio e vídeo nativamente, dentro de uma arquitetura unificada. Qwen3.5 397B é texto, imagem e vídeo — sem áudio no pacote. Aplicações que dependem de transcrição, análise de chamadas ou qualquer fluxo em que ouvir vem antes de ler não têm substituto no Qwen desta geração. É o ponto mais caro de errar: pipeline já construído em cima de voz não troca de modelo magicamente.
| Critério | MiMo-V2-Omni | Qwen3.5 397B A17B |
|---|---|---|
| Índice de inteligência | 35.9 | 34.3 |
| Entrada US$/M | 0.4 | 0.55 |
| Saída US$/M | 2 | 3.5 |
| Contexto | 262k | 262k |
| Pesos abertos | não | sim |
| Velocidade (tok/s) | — | 88 |
| Índice de código | — | 48.2 |
| Índice agêntico | — | 19.8 |
Em sinais específicos, o Qwen publica o que o MiMo ainda não trouxe no catálogo: codificação em 48.212 e agente em 19.845. O Xiaomi não tem benchmark publicado nesses eixos — pode ser que não tenha submetido, pode ser que ainda não tenha sido medido. Se o teste de fogo é o modelo escrever código bom sozinho ou completar um agente de múltiplas etapas, o sinal está do lado do Qwen, mesmo com o IQ geral do MiMo sendo ligeiramente mais alto.
API fechada contra pesos abertos
A escolha de infraestrutura muda tudo. Qwen3.5 397B A17B é open weights: 397B de parâmetros totais numa MoE que só ativa 17B por inferência. É a pegada clássica de modelo grande que roda leve. Dá para baixar e colocar em cluster próprio. Xiaomi MiMo-V2-Omni é fechado, sem pesos publicados — só via API. Onde compliance, latência ou soberania de dados exigem modelo rodando dentro de casa, o MiMo está fora da jogada por construção.
A velocidade do Qwen aparece em 87.91 tokens por segundo; do MiMo não há dado publicado. Omnisciência — propensão a inventar quando não sabe — pende a favor do MiMo: -20.133 contra -30.75, ou seja, o MiMo erra menos quando não deveria estar respondendo. Em produto exposto ao usuário final, essa diferença custa menos que parece e pesa mais que benchmark sintético.
O que escolher (e quando nada muda)
MiMo-V2-Omni vale se o caso é multimodal com áudio, você não pode hospedar modelo próprio, prefere sinal recente (lançado em 18/03/2026) e quer a melhor cobertura de IQ 35 dentro do orçamento atual. A economia de US$ 0,34 por milhão na saída é bônus — vá por multimodalidade e arquitetura unificada.
Qwen3.5 397B A17B vale se você quer open weights para rodar self-hosted, precisa de benchmark explícito de código e agente, não tem áudio no fluxo, e os 87.91 t/s de velocidade publicada ajudam a fechar SLA. Velocidade medida é velocidade medida — é vantagem real contra um concorrente que nem publica o número.
Para quem nada muda: se você já roda Gemini 3.1 Pro Preview ou GPT-5.3-Codex e o orçamento aguenta os US$ 12-14 por milhão de saída, os dois abaixo ainda entregam menos inteligência por preço parecido. A promoção para a faixa IQ 35 só compensa quando multimodalidade nativa ou self-hosting são requisitos do projeto — não corte de custo. Escolha por requisito, não por economia.
Escolha MiMo-V2-Omni quando multimodalidade com áudio e API gerenciada vencem; escolha Qwen3.5 397B A17B quando open weights, código medido e self-hosting entram na equação. Os US$ 0,34 por milhão e os 1,6 ponto de IQ são quase nada — o requisito de projeto é que decide.
Perguntas frequentes
MiMo-V2-Omni ou Qwen3.5 397B A17B: qual vale mais em março de 2026?
Depende do que está na sua fila. Para multimodal com áudio nativamente, MiMo-V2-Omni vence por construção (US$ 2 por milhão de saída, IQ 35.866, lançado em 18/03/2026). Para self-hosting com pesos abertos e benchmarks publicados de código (48.212) e agente (19.845), o Qwen3.5 397B A17B é a escolha — open weights, 397B com 17B ativos via MoE.
Quanto custa rodar o MiMo-V2-Omni por milhão de tokens?
Em tokens de saída, US$ 2,00 por milhão no preço cheio do catálogo. No input, US$ 0,40. Para prompts repetidos o MiMo oferece leitura em cache a US$ 0,08 por milhão, bem abaixo do input cheio. Em comparação, o Qwen3.5 cobra US$ 2,34 na saída e US$ 0,39 no input.
O Qwen3.5 397B A17B roda self-hosted?
Sim. É open weights, com 397 bilhões de parâmetros totais numa arquitetura mixture-of-experts que ativa apenas 17B por inferência. Dá para baixar e servir em cluster próprio — o catálogo publica 87,91 t/s como referência de velocidade para o modelo.