DeepSeek V4 Pro custa 6x mais que MiMo-V2.5 — vale a diferença?

Você olha o catálogo e vê dois modelos chineses, com pesos abertos, lançados na mesma semana de abril, e a pergunta inevitável aparece: por que pagar seis vezes mais em um deles? É exatamente essa a conta que o DeepSeek V4 Pro 0423 e o Xiaomi MiMo-V2.5 colocam na mesa — e a resposta não é óbvia só pelo preço.

O que cada um entrega em inteligência

O índice de inteligência medido hoje coloca o DeepSeek V4 Pro em 45,268 e o MiMo-V2.5 em 38,043. Em coding, a diferença é menor do que parece: 59,363 contra 56,799. Em agentic, aí sim o fosso se abre — 37,807 contra 24,395. Em outras palavras, o MiMo-V2.5 programa quase no mesmo nível do V4 Pro, mas tropeça quando a tarefa exige encadear工具, navegar em interfaces ou operar como agente autônomo.

Onde o MiMo-V2.5 não tem como competir é no recorte multimodal: ele aceita texto, imagem, áudio e vídeo na entrada e devolve texto. O V4 Pro é estritamente text-to-text. Se o seu pipeline joga PDF escaneado, screenshot ou clipe de vídeo para o modelo, isso já decide a disputa antes mesmo de olhar preço.

A conta que importa

O V4 Pro cobra US$ 0,87 por milhão de tokens de entrada e US$ 1,74 por milhão na saída. O MiMo-V2.5 cobra US$ 0,14 de entrada e US$ 0,28 de saída — e ainda oferece cache a US$ 0,0028 por milhão, o que muda tudo em workloads com prompt repetido. No uso real, com a proporção 3:1 entre tokens de entrada e saída que costuma aparecer em aplicações, cada milhão de tokens processados custa cerca de US$ 0,79 no V4 Pro e US$ 0,21 no MiMo-V2.5.

Traduzindo o marketing: o release da Xiaomi diz que o MiMo-V2.5 entrega "performance agentic de nível Pro pela metade do custo de inferência". Metade é relativo — o V4 Pro não é o referencial mais caro do mercado, e a Xiaomi está se comparando ao MiMo-V2.5-Pro, que sai por US$ 0,87 de saída. Frente ao V4 Pro, o MiMo-V2.5 custa cerca de um sexto.

O tabuleiro em 13 de maio de 2026

O catálogo tem mais de 443 modelos listados hoje, vindos de 61 criadores. No topo do índice de inteligência aparecem Gemini 3.1 Pro Preview (47,738), GPT-5.3-Codex (45,512) e logo abaixo o DeepSeek V4 Pro (45,268) — terceiro lugar geral e primeiro entre modelos de pesos abertos. O MiMo-V2.5 está mais abaixo, em 38,043, mas é o mais barato entre os modelos com IQ acima de 38 que ainda aparecem nesta faixa.

Ambos são chineses, ambos MoE com fração ativa pequena (49B no V4 Pro, 15B no MiMo-V2.5) e ambos têm reasoning habilitado. O V4 Pro tem 1,6 trilhão de parâmetros totais contra 310 bilhões do MiMo-V2.5, e a janela de contexto é equivalente: 1.048.576 contra 1.050.000 tokens. Velocidade de saída é praticamente igual — 57,82 tokens/s no V4 Pro, 57,52 no MiMo-V2.5.

Quando cada um ganha

O DeepSeek V4 Pro ganha quando a tarefa exige raciocínio de verdade: agente autônomo rodando por horas, code review em base grande, planejamento multi-etapa. A diferença de 13 pontos em agentic não é cosmética — é a diferença entre um agente que termina o trabalho e um que fica travado no terceiro passo.

O MiMo-V2.5 ganha quando multimodalidade entra no pipeline e quando o orçamento é o fator limitante. Classificação de imagem, sumarização de vídeo, atendimento que precisa entender áudio do cliente — tudo isso o V4 Pro nem aceita como entrada. E em volume alto, pagar US$ 0,28 em vez de US$ 1,74 por milhão de tokens de saída muda a conta no fim do mês de qualquer startup.

Na prática, o que você faz

Se você está montando um agente de produção e o input é texto puro, comece pelo V4 Pro e meça se os 13 pontos de agentic se traduzem em tarefas concluídas a mais. Se você está processando mídia multimodal ou queimando milhões de tokens por dia em classificação e extração, o MiMo-V2.5 é o caminho — e o cache a US$ 0,0028 torna prompts longos com system message repetido quase gratuitos.