Русский промпт ломает mimo-v2.6-pro: 8 забавных проб против gpt-6-astra, ноль пеликанов из трёх

Это русскоязычный раунд серии, которую мы начали на китайском. Те же две модели и те же восемь типов проб, но каждый промпт написан по-русски с нуля, каждый вызов выполнен заново, и все рисунки ниже сгенерированы именно для этой статьи. Раунды на других языках — отдельные эксперименты со своими данными; в конце мы их сопоставим, потому что вместе они меняют вывод.

Коротко#

• 48 вызовов (8 проб × 2 модели × 3 прогона); вернулось 42, шесть упёрлись в клиентский таймаут 900 с и исключены из оценки (см. «Что сломалось»).
• На семи текстовых пробах, где ответ вернулся, обе модели верны почти во всём. Единственный сбой mimo: один акростих, на котором она истратила весь бюджет 4000 токенов на рассуждение и не вывела ни строки.
• SVG «пеликан на велосипеде»: mimo-v2.6-pro 0 из 3. Два прогона думали 306 и 350 секунд, сожгли ровно 16 000 токенов в рассуждении и вернули пустую строку с finish_reason=length; третий вообще не ответил за 900 с. gpt-6-astra — 3 из 3, 77–173 с.
• Та же модель по-английски рисует 3 из 3. Проблема не в способности рисовать, а в том, что русский промпт запускает у mimo бесконечное планирование.
• Стоимость вернувшихся вызовов: mimo $0,037, gpt-6-astra$0,267 — 7,2×.
• Раскрытие: маршрут gpt-6-astra по умолчанию вставляет в каждый запрос ~4100 скрытых токенов, а в этом раунде дважды упал и был перекинут платформой на другой канал — мы увидели это по prompt_tokens.

Сначала о маршруте: что именно мы тестировали#

Значит, «gpt-6-astra» в этой статье — это gpt-6-astra, достигнутый 22.09.2026 через этот маршрут, причём в четырёх вызовах — уже через другой. Показательно, что четыре «чистых» вызова без префикса дали тот же стиль пеликана и те же ответы, что и вызовы с префиксом: сам префикс, похоже, на содержимое не влияет, но платить за него приходится — около $0,013 за вызов ещё до вашего вопроса.

Проверка занимает секунду и мы советуем её перед любым бенчмарком: отправьте «hi» и посмотрите на prompt_tokens.

Условия#

curl https://api.crazyrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $CRAZYROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.6-pro",
    "messages": [{"role": "user", "content": "Напиши четверостишие-акростих: первые буквы строк по порядку должны образовать слово МОСТ. В каждой строке ровно пять слов. Выведи только четыре строки, без заголовка, без знаков препинания и без пояснений."}],
    "max_tokens": 4000
  }'

Без системного промпта, температура по умолчанию, без стриминга; max_tokens 4000 для текста и 16 000 для SVG; клиентский таймаут 900 с. Записывались id, usage, finish_reason и время; SVG рендерились Playwright в 480 px. Цены: mimo-v2.6-pro $0,435 /$0,87 за миллион входных / выходных токенов; gpt-6-astra $5 /$25 (кэшированный вход $0,50) — см. тарифы.

Восемь проб#

Что не видно в таблице.

gpt-6-astra повторяется. Все три самоописывающих предложения — одно и то же: «В этом предложении ровно шесть слов.» Два акростиха начинаются с «Осенний ветер тихо гладит воду» на второй строке. mimo дала три разных формулировки («состоит из шести слов» дважды, «содержит ровно шесть слов») и два непохожих стихотворения.

mimo добавляет форматирование, которого не просили. В коробке конфет она отвечает верно, но заворачивает каждый ответ в жирный Markdown и приписывает «так как…». gpt — две нумерованные строки, как просили.

Акростихи — mimo:

Мрачный вихрь кружит в ночи
Осенний лист шуршит под ногой
Солнечный луч сияет в окно
Тихий ветер дует над рекой

gpt-6-astra:

Мерцает месяц над рекой сонной
Осенний ветер тихо гладит воду
Сияет мост над тишиной бездонной
Теченье дарит лодке вновь свободу

Оба соблюдают форму; у gpt есть рифма, у mimo — нет, но её и не просили.

Пеликан: здесь раунд решился#

Мы заглянули в рассуждение первого прогона (апстрим его возвращает): 41 957 символов — по-английски, хотя промпт русский — планирование координат, где сидит пеликан, куда крыло, в каком порядке слои, и даже черновики <svg> внутри самого рассуждения, которые модель раз за разом переписывала. В ответ не попало ничего. Модель не ошиблась в рисунке; она не решилась его отдать. Каждый такой прогон стоил $0,0139 и вернул пустую строку.

Исходные SVG без изменений: gpt #0 · gpt #1 · gpt #2. У mimo публиковать нечего.

Задержки (только вернувшиеся вызовы, среднее, с)#

У gpt короткие задачи замедлил переезд на резервный канал (задача про Алису — 20–60 с вместо обычных 3–4). У mimo русский акростих стоил 17–109 с раздумий против 7–10 с у gpt.

Что сломалось: 6 таймаутов из 48, у обеих моделей#

Шесть вызовов не вернулись за 900 с: пеликан mimo, конфеты gpt, «9,11 или 9,9» mimo, переправа у обеих, акростих gpt. В журнале использования платформы большинства из них нет — они не завершились на апстриме, не были оплачены и не вернули ошибку; соединение просто висело. Две модели, два апстрима, тривиальные вопросы — это транспорт, а не интеллект. Мы исключили их из счёта и честно перечисляем здесь. В продакшене ставьте собственный дедлайн на длинные нестриминговые вызовы.

Что показали другие языки#

Тот же набор проб с промптами, написанными носителями, мы прогнали на китайском, английском, португальском и японском. Короткие пробы — ничья везде. Пеликан — нет:

Спросите mimo по-английски — и ничего из описанного не происходит. Это самый полезный результат серии, и англоязычный бенчмарк его бы не показал.

Совет для продакшена#

Для любой рассуждающей модели — страховка от «рассуждение съело бюджет»:

resp = client.chat.completions.create(model="mimo-v2.6-pro", messages=msgs, max_tokens=8000)
c = resp.choices[0]
if c.finish_reason == "length" and not c.message.content:
    # думала до исчерпания max_tokens, тело пустое: повторить с меньшим бюджетом
    # или уйти на другую модель; пустую строку не сохранять как ответ
    ...

Для открытых генеративных задач давайте mimo английский промпт, пока это не исправлено; на нестриминговые вызовы ставьте свой таймаут. Перед бенчмарком любого зарубежного флагмана через шлюз отправьте «hi» и прочитайте prompt_tokens. Инспектор маршрутизации Crazyrouter показывает, на какой канал сейчас попадает модель и сколько у неё кандидатов — после регистрации; страница моделей перечисляет эндпоинты и цены.

FAQ#

Почему именно такие пробы, а не стандартный бенчмарк? Их нельзя заучить: пеликан заставляет модель кодировать пространство в координаты здесь и сейчас, акростих и самоописывающее предложение проверяются структурно, ловушки проверяют, не подставляет ли модель знаменитую задачу вместо заданной. Цена — субъективная оценка рисунков, поэтому все SVG опубликованы.

Пустой ответ mimo — проблема платформы? Нет. finish_reason=length, reasoning_tokens=16002 и пустой контент пришли с официального эндпоинта Xiaomi без единого вставленного токена, и платформа списала за них деньги. Это цикл размышлений модели, который запускают неанглийские промпты на открытых задачах.

Как вы поняли, что gpt-6-astra переехал на другой канал? По prompt_tokens: 4139–4280 у семнадцати вызовов и 35–65 у четырёх; у четырёх появился reasoning_tokens, которого линия по умолчанию не отдаёт; в журнале платформы в это время — четыре ошибки «Service temporarily unavailable» по gpt-6-astra. Резервирование сработало, но задержка выросла.

Какая часть разрыва 7,2× — вставленный префикс? 17 × ~4100 ≈ 70 тыс. входных токенов, почти все по кэшированной цене $0,50/M — около$0,04 из $0,27, то есть примерно 15%. Остальное — прайс-лист.

Достаточно ли трёх прогонов? Для «кто умнее» — нет. Для «кто перестаёт работать по-русски» — да.

Где мультимодальный тест? mimo ведь омнимодальна. Не в этой серии. Только текст, намеренно.

См. также#

• gpt-6-astra vs Claude Fable 5.1: на 60% меньше символов вывода — но отчасти потому, что отвечает меньше
• Claude Fable 5.1 vs Fable 5: эффективность вывода, правильность и ломающие изменения без ошибок
• Почему Crazyrouter, а не OpenRouter? Три конкретных отличия
• Тот же эксперимент на китайском · английском · португальском · японском
• Тарифы · Документация

Итог#

На русском, 22.09.2026, через эти два маршрута: на текстовых пробах модели почти неразличимы, а на единственной открытой генеративной задаче mimo-v2.6-pro не выдала ничего три раза из трёх, при этом по-английски выдаёт три из трёх. gpt-6-astra дороже в 7 раз, повторяет сама себя и один раз на наших глазах сменила канал — но рисует. Тестируйте на языке, на котором пишут ваши пользователи.