Gemini 3.1 Pro custa 14 vezes mais que o MiMo da Xiaomi — vale a diferença?
Comparativo frente a frente entre o modelo mais inteligente do catálogo e o chinês de código aberto que promete fazer 90% do trabalho por uma fração do preço.
A diferença que aparece na fatura antes de aparecer no código
Você olha o índice de inteligência e vê o Gemini 3.1 Pro Preview no topo, com 47,7. Logo abaixo, o MiMo-V2.5-Pro da Xiaomi, com 42,9. Cinco pontos de distância em uma escala que vai até 100 — parece pouco. Aí você abre a coluna de preço de saída e o contraste explode: US$ 12 por milhão de tokens contra US$ 0,87. São 13,8 vezes a mais por cada milhão de tokens que sai do modelo do Google.
É aqui que a conversa precisa mudar. Não é sobre qual é "melhor" no vácuo. É sobre o que cada um dos dois está vendendo em 29 de abril de 2026.
O que os números dizem de verdade
O Gemini 3.1 Pro Preview é o modelo mais inteligente do catálogo hoje, com 47,7 de índice. Chegou em fevereiro e, desde então, virou referência para software engineering pesado e raciocínio agentico. O coding dele está em 68,8 — o melhor entre os dois. O agentic, porém, é onde aparece a primeira surpresa: 23,0 contra 29,5 do MiMo. Em tarefas agenticas longas, o modelo chinês está na frente.
O MiMo-V2.5-Pro é o flagship da Xiaomi, lançado em 22 de abril, há uma semana. Tem 1.023 bilhões de parâmetros totais com 42 bilhões ativos — a receita clássica de Mixture of Experts, onde só uma fração do cérebro é acionada por token. É open weights, então você pode baixar e hospedar se tiver a infraestrutura. A velocidade medida fica em 34 tokens por segundo contra 102 do Gemini — quase três vezes mais lento na saída.
Traduzindo o marketing
Quando a Xiaomi diz "flagship com top rankings em ClawEval, GDPVal e SWE-bench Pro", o que está em jogo é benchmark de engenharia de software e tarefas agenticas longas. Quando o Google diz "frontier reasoning model com eficiência de tokens", está falando em pagar caro por um modelo que pensa mais por token. O blended cost — uma média ponderada que considera entrada, saída e cache — entrega a foto mais justa: US$ 4,50 por milhão no Gemini, US$ 0,54 no MiMo. Ainda assim, 8,3 vezes de diferença.
O cache do MiMo é US$ 0,0036 por milhão de tokens — absurdamente barato. Quem repete muito o mesmo contexto em prompts longos paga quase nada para reusar instruções.
| Critério | Gemini 3.1 Pro Preview | MiMo-V2.5-Pro |
|---|---|---|
| Índice de inteligência | 47.7 | 42.9 |
| Entrada US$/M | 2 | 0.435 |
| Saída US$/M | 12 | 0.87 |
| Contexto | 1.05M | 1.05M |
| Pesos abertos | não | sim |
| Velocidade (tok/s) | 103 | 34 |
| Índice de código | 68.8 | 60.2 |
| Índice agêntico | 23.0 | 29.5 |
Para quem cada um vale — e para quem não muda nada
Gemini 3.1 Pro Preview vale para você se: o trabalho é raciocínio pesado, multimodal nativo (texto, imagem, arquivo, áudio, vídeo — tudo entra), coding de fronteira onde os 6,6 pontos a mais de índice fazem diferença, e a velocidade de 102 tokens/s importa no fluxo. Pague os US$ 12 por milhão e siga.
MiMo-V2.5-Pro vale para você se: o volume é alto, o orçamento é curto, tarefas agenticas longas são o pão com manteiga do dia, e você tem infraestrutura para hospedar pesos abertos ou simplesmente quer pagar 14 vezes menos na API. O custo blended de US$ 0,54 muda a conta de qualquer produto com chamadas frequentes.
Para quem não muda nada: se você já roda GPT-5.3-Codex (45,5 de IQ, US$ 14 de saída) ou DeepSeek V4 Pro (45,3 de IQ, US$ 1,74 de saída), está em outro eixo da decisão. O Gemini ganha do MiMo em inteligência bruta; o MiMo ganha do Gemini em agentic e em preço. Os dois perdem do Codex em coding puro.
| Modelo | Inteligência | Saída US$/M |
|---|---|---|
| Gemini 3.1 Pro Preview | 47.7 | 12 |
| GPT-5.3-Codex | 45.5 | 14 |
| DeepSeek V4 Pro 0423 | 45.3 | 2.0845 |
| MiMo-V2.5-Pro | 42.9 | 0.87 |
| MiMo-V2.5 | 38.0 | 0.28 |
O tabuleiro em 29 de abril de 2026
O catálogo tem mais de 431 modelos listados, vindos de 60 criadores. 54 foram lançados nos últimos 30 dias — o ritmo não diminuiu. O topo de inteligência é ocupado por Google, OpenAI e DeepSeek, nessa ordem. A Xiaomi entra em quarto com o MiMo-V2.5-Pro e em quinto com o MiMo-V2.5 sem o sufixo Pro. A mensagem é clara: a fronteira não é mais monopólio americano. Um modelo chinês open weights a US$ 0,87 de saída está a 4,8 pontos de distância do topo — e em agentic, está à frente.
O que fazer com isso hoje
Se você está pagando a API para fazer volume, rode o MiMo-V2.5-Pro como padrão e reserve o Gemini 3.1 Pro para os prompts onde os 6,6 pontos de índice e a multimodalidade nativa realmente mudam o resultado. Se você é uma equipe pequena queimando US$ 5 mil por mês em chamadas, migrar parte do tráfego para o MiMo pode cortar a fatura pela metade sem perder qualidade perceptível. Se você roda agentes longos, teste o MiMo primeiro — o agentic de 29,5 é o melhor dos dois.
Rode MiMo-V2.5-Pro como padrão para volume e agentic; reserve Gemini 3.1 Pro para os casos onde multimodalidade nativa e os 6,6 pontos extras de inteligência justificam pagar 14 vezes mais.
Perguntas frequentes
Gemini 3.1 Pro Preview ou MiMo-V2.5-Pro: qual escolher?
Depende do perfil de uso. Para volume alto, agentic longo e orçamento apertado, MiMo-V2.5-Pro entrega 90% do resultado a 7% do custo. Para multimodalidade nativa, coding de fronteira e velocidade máxima, Gemini 3.1 Pro Preview continua imbatível.
O MiMo-V2.5-Pro é de código aberto?
Sim. É open weights, com 1.023 bilhões de parâmetros totais e 42 bilhões ativos (MoE). Você pode baixar e hospedar, ou consumir via API a US$ 0,87 por milhão de tokens de saída.
Quanto custa na prática rodar o MiMo-V2.5-Pro vs Gemini 3.1 Pro?
O custo blended do MiMo fica em US$ 0,54 por milhão de tokens; o do Gemini, em US$ 4,50. Em uma fatura mensal típica, migrar parte do tráfego para o MiMo pode reduzir o gasto em 5 a 8 vezes sem perda perceptível de qualidade.