Minder bekende AI-modellen: MiMo, Qwen3.8 Max, GLM-5.3, Muse Spark

👁 119 keer gelezen

Minder bekende AI-modellen uit de top zijn vier namen die in de ranking van Artificial Analysis net achter de modellen van Anthropic en OpenAI staan, naast Grok 4.7: Muse Spark 1.3 van Meta, MiMo-V2.6-Pro van Xiaomi, Qwen3.8 Max van Alibaba en GLM-5.3 van Z.ai. Ze scoren 45 tot 48 punten in de intelligentie-index en kosten per output-token 3 tot 23 keer minder dan Claude Opus 5.5. We hebben alle vier door ons Lab gehaald: dezelfde 13 opdrachten in het Pools en dezelfde blinde beoordeling als in de ranking van 16 modellen.

01Muse Spark 1.3: benchmarks, prijs en toegangMuse Spark 1.3 van Meta: 48 punten in de AA-index, 75,5 punten in onze test, 1,25/4,25 USD per miljoen tokens, Contributor-versie en toegang via OpenRouter.Lees →02Qwen3.8 Max test: 13 opdrachten, scores en kostenQwen3.8 Max scoort 76,4 punten in onze Poolse test, maar denkt lang en kost 57x meer dan GPT-6 Luna. Alle resultaten, voorbeelden en prijzen.Lees →03GLM-5.3 test: prestaties, snelheid en kostenGLM-5.3 scoorde 63,6 van 100 punten in onze schrijftest. Het snelste en goedkoopste Chinese topmodel, maar met opvallend veel taalfouten.Lees →04Xiaomi MiMo-V2.6: krachtigste open AI-model - prijs en benchmarksMiMo-V2.6 Pro en Flash van Xiaomi: MIT-licentie, 1 biljoen parameters, 0,435 USD per miljoen tokens, 46 punten in AA-index. Benchmarks en test.Lees →

Wie ze zijn en waar ze staan in de ranking

Artificial Analysis berekent zijn index (versie 4.3.2) uit 10 tests: agent-taken, programmeren, wetenschappelijk redeneren en algemene kennis. Hieronder de waarden afgelezen op 27 september 2026. De kosten per taak zijn de gemiddelde kosten van een taak uit de index volgens dezelfde site, niet de kosten van onze test.

Uit deze tabel blijken drie zaken. Muse Spark is het snelst in de top - 214-252 tokens per seconde, dus meer dan twee keer zo snel als Opus 5.5 in de xhigh-variant (89). MiMo-V2.6-Pro doet een taak uit de index voor 0,13 USD, 46 keer goedkoper dan Opus in de max-variant. Qwen is het andere uiterste: kost 5,41 USD per taak, omdat hij bij de index 190 miljoen tokens genereerde.

Onze test in het Pools: resultaten

Elk model kreeg via OpenRouter dezelfde 13 opdrachten als in de ranking van AI voor schrijven in het Pools: 9 schrijftaken (artikel, productbeschrijving, e-mail, post, verhaal, titels, samenvatting, vertaling, tekst voor kind), twee correcties en twee quizzen over Polen. We hebben de test in het Pools uitgevoerd. Instellingen zoals bij alle anderen: effort=low, standaard temperatuur, dezelfde tokenlimieten. De antwoorden werden blind beoordeeld door drie beoordelaars van verschillende bedrijven (Claude Opus 5.5, GPT-6 Sol, Gemini 3.1 Pro), waarbij een beoordelaar van hetzelfde bedrijf als het te beoordelen model werd overgeslagen. Het resultaat is 70% beoordelingen van de jury, 20% regels uit de opdracht en 10% teksthygiëne (lange pauzes, vulling).

We voegden vier ankers toe uit de eerste ronde: Claude Opus 5.5, GPT-6 Luna, Qwen3.8 Max en GLM-5.3. Hun resultaten verschilden 0,5-1,3 punten van toen en de volgorde bleef hetzelfde, dus de schaal is vergelijkbaar (gemiddelde verschuiving +0,1 punt). Muse Spark kwam een paar uur later in de test, dus de beoordelaars beoordeelden hem in een aparte pool met dezelfde ankers. Daar verschilden de ankers 1,0-1,7 punten van de eerste ronde, de volgorde bleef weer hetzelfde en de schaalverschuiving was -0,15 punt.

* bij gelijke tokenlimieten, uitleg hieronder. Kosten van Qwen omvatten niet de lege eerste poging van 26 september (0,0366 USD).
** beoordeeld in aparte pool met dezelfde ankers (Opus 5.5 - 91,8, Luna - 81,8, Qwen - 77,5, GLM-5.3 - 62,7). Na kalibratie naar de schaal van de eerste ronde: 75,3 punten.

In de tabel van de ranking van 16 modellen zou Muse Spark (75,3 na kalibratie) 11e plaats innemen, net achter Qwen (75,9) en voor DeepSeek V4 Pro (74,1). MiMo met een score van 69,1 zou op de 14e plaats belanden, tussen Claude Sonnet 5 (71,9) en Mistral Medium 3.5 (68,0). Qwen staat daar tiende, GLM voorlaatste.

Correctie op het resultaat van Qwen. In de eerste ronde (26 september) dacht Qwen bij de productbeschrijving tot de limiet van 6000 tokens en gaf een leeg antwoord. We herhaalden toen de poging met een hogere limiet en dat is wat de beoordelaars beoordeelden - het model gebruikte 14.460 tokens om na te denken over een korte productbeschrijving. Andere modellen kregen die tweede kans niet, dus dat was een fout in onze methode. Als we die taak tellen als niet geslaagd (gemiddelde beoordelaars 1, regels 0 van 3), heeft Qwen 68,2 punten, dus bijna evenveel als MiMo (69,1) en duidelijk minder dan Muse Spark (75,5). In deze ronde hebben we niets meer herhaald met een hogere limiet. De lege quiz van MiMo telt niet mee voor het schrijfresultaat, omdat daar alleen taken T1-T9 meetellen.

Wat er uit de antwoorden kwam

Qwen3.8 Max was als enige van de vier die alle 26 regels uit de opdrachten volgde en de moeilijke correctie foutloos corrigeerde. Het hoogst beoordeelden de jury de tekst over inflatie voor een kind (8,89), het verhaal (8,56) en de SEO-titels (8,56). Het zwakst was de samenvatting (6,22): verkeerde naamval en gemiste trainingen. In de vertaling kwamen idiomen goed uit de verf, maar daarnaast bleven “onboardowanie” en “follow-up” staan.

Muse Spark 1.3 heeft de meest ongelijke resultaten. De vertaling met idiomen kreeg 8,67, de LinkedIn-post 8,56, maar de productbeschrijving slechts 3,44, omdat het model de alinea tot de vereiste lengte opvulde door de hele specificatie een tweede keer te herhalen. In het artikel voegde hij 20 keer “(to przykład)” toe en plaatste Turks-Pools “nie gerçekowa cena rynkowa”. Het gemiddelde van de beoordelaars (6,78) en de natuurlijkheid (5,63) zijn bij hem lager dan bij MiMo en Qwen, en zijn hoge score dankt hij aan regels (25 van 26) en teksthygiëne: 3 lange pauzes per 1000 woorden, het minst in het veld, en nul vulling. Buiten het schrijven bijna foutloos: moeilijke correctie 29 van 30, beide quizzen volledig.

MiMo-V2.6-Pro schreef de beste samenvatting in de hele pool (9,44, hoger dan Opus 5.5 met 9,33) en een foutloze gemakkelijke correctie. Daarentegen kreeg het verhaal 5,0 door fouten zoals “Pachniało je zawsze wieczorem” en “zmoczne”, en in de LinkedIn-post verscheen het onbegrijpelijke “Nie kubki. Dla nich.”. Per 1000 woorden plaatste hij 24,6 lange pauzes, tegenover 5,1 bij Opus.

GLM-5.3 maakte in beide doorlopen de meeste buigingsfouten en typefouten: “w ramach przeprosiny” verscheen in beide versies van de e-mail. In de versie met OpenRouter-routing kreeg de vertaling 3,0 (“trzymaliśmy się po dachu“, “kwartalele”), en in de versie bij Z.ai 8,78. In het verhaal van Z.ai telden de beoordelaars “wypłynął z niej koperta” en “sernak”. Een enkele poging per taak betekent dus grote spreiding, maar gemiddeld presteerden beide versies vergelijkbaar.

Lege antwoorden en denken in het Pools

In de eerdere test van Chinese modellen in het Pools dacht MiMo-V2.6-Pro vijf keer tot het einde van de limiet en gaf geen tekst. Deze keer, met dezelfde instelling effort=low als bij andere modellen, gaf hij 12 van de 13 antwoorden, omdat de opdrachten in het Lab korter zijn (teksten tot 500 woorden). De enige lege was de moeilijke quiz: 9000 tokens denken, 613 seconden, nul tekst. We verhoogden de limiet niet alleen voor hem, omdat hij dan betere voorwaarden zou krijgen dan de rest - we tellen de quiz als niet geslaagd. Het denken verbruikte 85% van alle tokens die MiMo in de test genereerde (28,5 duizend van 33,6 duizend).

We controleerden ook of het probleem met lange tekst was verdwenen. Op 27 september draaiden we die opdracht van 900 woorden opnieuw, met effort=low: 9000 tokens denken, 204 seconden, leeg antwoord, 0,0079 USD. Er is niets veranderd.

Qwen3.8 Max denkt ook veel: 33 duizend tokens denken in 13 opdrachten en bijna 10 minuten voor 9 schrijfopdrachten. Muse Spark denkt bij effort=low ook veel (17,2 duizend tokens, 76% van de output), dus ondanks 214-252 tokens per seconde in de AA-metingen kostte 9 schrijfopdrachten hem 135 seconden, bijna evenveel als Opus 5.5. GLM-5.3 denkt bij effort=low bijna niet (211 tokens in de hele test), daarom is hij het snelst.

Prijzen per miljoen tokens

Prijzen van producenten exclusief btw, gecontroleerd op 27 september 2026.

Beide rondes kostten ons 3,26 USD: ronde met MiMo en GLM - 1,66 USD (0,07 USD antwoorden van modellen en controle, 1,59 USD beoordelaars), ronde met Muse Spark - 1,60 USD (0,10 USD antwoorden, 1,50 USD beoordelaars). Antwoorden van ankers komen uit de eerste ronde, dus we betaalden alleen voor hun herbeoordeling.

Hoe je ze kunt gebruiken

• Muse Spark 1.3 - Meta Model API is in publieke preview met “uitgebreide wereldwijde toegang”, maar Meta publiceert geen lijst van landen, en in september meldden gebruikers uit Europa een bericht over niet-beschikbaarheid in de regio. Op OpenRouter is het model beschikbaar na bevestiging van leeftijd 18+ in de accountinstellingen. De Muse-app (persoonlijke agent) werkt alleen in de VS. Meer in de tekst over Muse Spark 1.3.
• MiMo-V2.6-Pro - API op mimo.mi.com, gratis chat MiMo Studio volgens Xiaomi FAQ, drie aanbieders op OpenRouter, gewichten op Hugging Face onder MIT-licentie.
• Qwen3.8 Max - Alibaba Cloud Model Studio in internationale versie en OpenRouter (alleen Alibaba als aanbieder). Of versie 0902 te kiezen is in de gratis Qwen Chat, konden we niet bevestigen.
• GLM-5.3 - Z.ai API, GLM Coding Plan-abonnement vanaf 18 USD per maand, meer dan 30 aanbieders op OpenRouter. Chat op chat.z.ai draait volgens de site op GLM-5.3-Flash, niet op het volledige model.

Alle vier (behalve Meta’s apps) kun je het gemakkelijkst uitproberen via een account op OpenRouter, zoals we deze test deden. Bij Muse Spark moet je eerst de leeftijd bevestigen in de accountinstellingen - zonder dat geeft OpenRouter fout 403.

Veelgestelde vragen

Welk van deze modellen schrijft het beste in het Pools?

In onze test Qwen3.8 Max: 76,4 punten op 100, net voor Muse Spark 1.3 (75,5). Bij gelijke tokenlimieten heeft Qwen 68,2 punten en zakt achter Muse en MiMo-V2.6-Pro (69,1). Ze verliezen allemaal van GPT-6 Luna (81,5), die een fractie van hun prijs kost.

Loopt MiMo-V2.6-Pro nog steeds vast bij Poolse teksten?

Bij kortere opdrachten zelden: met effort=low gaf hij 12 van de 13 antwoorden, alleen de moeilijke quiz was leeg. Bij een tekst van 900 woorden denkt hij nog steeds tot de limiet van 9000 tokens en geeft niets.

Is Muse Spark 1.3 beschikbaar in Nederland en België?

Via OpenRouter ja, na bevestiging van leeftijd 18+ in de accountinstellingen - zonder dat kregen we fout 403, na bevestiging verliep de test zonder problemen. Toegang tot Meta Model API bevestigt Meta niet officieel, en de Muse-app werkt alleen in de VS.

Waarom verschilt het resultaat in benchmarks van onze test?

De Artificial Analysis-index meet agent-taken, programmeren en kennis, voornamelijk in het Engels, bij maximaal redeneren. Onze test controleert schrijven in het Pools bij effort=low.

Welke is het goedkoopst?

MiMo-V2.6-Pro: 0,435 USD per miljoen input-tokens en 0,87 USD output. Onze test van 13 opdrachten kostte erin 0,03 USD.

// lees verderQwen3.8 Max test: 13 opdrachten, scores en kostenBenchmarksMuse Spark 1.3: benchmarks, prijs en toegangBenchmarksQwen3.8 Max Prime vs Claude Sonnet 5: welke kiezen?Benchmarks

Kinetyra