MiMo-V2.6 系列模型介绍（Pro / Flash）
一句话定位：小米在 2026 年 9 月 22 日发布并开源的 MiMo-V2.6 系列——Pro 以 1.02T 总参 / 42B 激活拿下 AA 智能指数 46.32、坐稳开源模型第一，Flash 用 310B / 15B 激活和 $0.14/$0.28 的价格成为性价比新标杆；而这次发布最罕见的不是分数，是小米官方主动发文承认了自己的训练缺陷并公开修复账单。
整理日期：2026-10-03 ｜ 资料来源见文末
| 项目 | Pro | Flash |
|---|---|---|
| 模型 ID | mimo-v2.6-pro | mimo-v2.6-flash |
| 总参 / 激活 | 1.02T / 42B | 309B（310B）/ 15B |
| 上下文 | 1M（输出上限约 128K） | 1M |
| 模态 | 原生全模态（文本 / 图像 / 视频 / 音频） | 同 Pro |
| 许可证 | MIT（权重 + 训练框架 + 7000+ RL 环境全开源） | 权重已放出（许可条款未明确） |
| 国际定价 | $0.435 / $0.87（未缓存） | $0.14 / $0.28 |
| 国内定价 | 输入 3 元 / 输出 6 元 | 输入 1 元 / 输出 2 元 |
| 缓存命中 | 0.025 元 | 同 |
| AA 智能指数 | 46.32（v4.3.2，开源权重第一） | Flash 全面超越 MiMo-V2.5-Pro |
| LMArena | 总体 1490.5，第 10 名（4,074 票） | — |
| 发布 | 2026-09-22（另有 mimo-v2.6-pro-ultraspeed） | 同 |
一、官方上线介绍
1.1 核心叙事：把 RL 算力投进真实环境
小米的官方表述很有文学性：
「夫夷以近，则游者众；险以远，则至者少。在一个智能容易被复制的时代，我们选择把算力投进真实环境，让模型在反馈中一次次试错、自己学会。这条路更慢，也更少被看见。」
技术上，这是探索 RSI（递归自我改进）路径的关键一步：以可验证的复杂任务为基础，规模化扩展强化学习（RL）算力。
业内罕见的公开细节：
- 6 天的 Live RL 训练（背后是长达半年的基础研究积累和工程试错）
- Pro 训练成本约 $262 万，Flash 约 $85 万（合计约 $347 万）
- 各完成 30 步，累计约 75 万条轨迹，约 2.5 万次长程任务/步
- 训练过程实时直播，公开训练 loss、每个 checkpoint 的基准分和成本估算
⚠️ 但直播也被质疑「到底是真实训练还是过程回放」（详见第三节）。
1.2 「智能提升，价格不变」
MiMo-V2.6 沿用 V2.5 系列的 API 定价。小米的说法是：「智能-成本的帕累托前沿由此再度向外推进。」
Pro 刷新了国产模型的性价比纪录：在同等智能水平下，价格仅为海外模型的 1/20 至 1/60（Artificial Analysis 的智能/价格图上达到帕累托最优）。
⚠️ 但有一个更贵的兄弟：mimo-v2.6-pro-ultraspeed 定价 $4.35 / $8.70（10 倍溢价），换来「最高 20 倍输出速度，同质量」。
1.3 官方基准（厂商自报）
| 基准 | MiMo-V2.6-Pro | 对照 |
|---|---|---|
| DeepSWE v1.1 | 71.9 | DeepSeek V4.1 Flash 74.2 / Claude Opus 5 74.0 / GPT-6 Astra 74.0 / Claude Fable 5.1 70.0 |
| ProgramBench | 26.5 | Claude Opus 5 37.0 / Fable 5.1 33.0 |
| MiMo Code Bench（自研） | 63.2 | Claude Opus 5 68.6 / GPT-6 Astra 61.4 |
| GDPVal 2.1 (AA Elo) | 1673 | Claude Fable 5.1 1735 / Opus 5 1708 |
| Toolathlon-verified | 77.8 | Claude Opus 5 80.6 / Fable 5.1 77.9 |
| AutomationBench v1.0.6 | 53.1 | DeepSeek V4.1 Flash 54.8 / Opus 5 50.3 / GPT-6 Astra 52.0 |
| Agents' Last Exam | 31.6 | GPT-6 Astra 34.2 / Opus 5 31.6（打平） |
| Terminal Bench 4.0 | 34.9 | GPT-6 Astra 59.6 / Fable 5.1 55.1 |
| JobBench | 62.0 | Claude Opus 5 65.7 |
| MiMo Visual Coding（自研） | 72.3 | GPT-6 Astra 82.2 / Fable 5.1 74.4 |
| CyberGym | 94.0（Pro）/ 95.1（Flash） | DeepSeek V4.1 Flash 88.x |
一个值得注意的现象：MiMo-V2.6-Pro 在 AutomationBench（53.1）上超过了 Claude Opus 5（50.3）和 GPT-6 Astra（52.0），但在 Terminal Bench 4.0（34.9）上远落后（Astra 59.6）。Agent 编排强、终端环境弱是这个模型的能力形状。
1.4 ⚠️ 官方主动承认的缺陷（本轮最有价值的技术资料）
9 月 27 日，小米发布技术博客《Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6》，官方自曝自己的模型有「工具调用重复」缺陷。这段内容非常值得一读：
缺陷表现（官方原文）：
"the model would sometimes issue the same or highly similar tool calls repeatedly, consuming substantial time and context without making meaningful progress."
分 harness 的重复调用率（官方内部评测，响应级重复率超过 0.05% 即计入）：
| Harness | Flash | Pro |
|---|---|---|
| OpenCode | 1.02% | 0.54%（最差） |
| MiMo Desktop | 0.19% | 0.19% |
| Claude Code | 0.27% | 0.10% |
| Codex | 0.23% | 0.07% |
| Zcode | 0.07% | 0.05% |
根因是 RL 奖励设计的盲区（这段是整个事件最有价值的部分）：
原规则只在单轮工具调用超过 32 次时惩罚，32 次以下完全不罚 → 「As the scale of RL expanded, this bad habit was instead continuously reinforced.」
退化是单调递增的：Flash 中「单轮超过 10 次调用」的异常样本比例从 step 0 的 11.1% 涨到 step 20 的 24.6%；MiMo Code harness 下从 30.6% 涨到 41.7%。
修复方案与成本对比（这是本轮最硬的一组数字）：
| 方案 | 成本 |
|---|---|
| 把惩罚阈值从 32 降到 8，重跑约 20 步 MixRL | 约 $231 万 |
| 只训练一个专治重复调用的 RL teacher（12 步、约 7000 样本），再通过 MOPD（多教师 on-policy 蒸馏） 迁移回主模型 | 约 $9 万（约完整重训的 4%） |
修复后重复率从 13.45% 降至 3.83%。
⚠️ 两个必须注意的点：
- 修复版权重以
MiMo-V2.6-Pro-MOPD/Flash-MOPD命名于 9/27 开源，API 于 9/25 静默切换，模型名不变。→ 9/22–9/25 之间用 API 的用户拿到的是有缺陷的版本，9/25 之后拿到的是修复版，两者无法从模型名区分。 - 官方主动声明该指标只是下界：不含跨轮重复、参数微差近似重复、code-mode harness 内嵌调用。
1.5 训练中出的事故（也公开了）
官方直播日志记录了：单节点显存异常、训练集群与评分器断网、专家负载不均触发 GPU OOM、移除一个降低了 coding 分的 cyber 数据集。
1.6 已在真实业务中应用
小米称 MiMo-V2.6 已应用于小米内部新材料研发，协助研究人员完成了 PFAS 吸附用金属有机框架（MOF）材料的设计方案筛选。此外官方还提到用 Lean 4 形式化了 6000 行数学证明。
二、KOL / UP主 / 开发者实测感受
2.1 Goldie Bench（agentos.guide）— 目前最系统的第三方独立评测
方法学披露（可信度高）：全部 50 题走 OpenRouter、模型默认 reasoning effort、one-shot 单 HTML 文件输出、Opus 4.8 视觉评审、游戏任务注入 skill、无重试无手改，坏的直接按交付状态计分。
总分 6.35 / 10（🥇5 🥈8 🥉4）
强项：
- 黑洞透镜 9.0；matrix rain / lava lamp / 海洋波浪 / web desktop / boids / galaxy 均 ≥8.6
- 3D dogfight 8.6、flight sim 8.4、synthwave outrun 8.4
- 产物 30–70 KB，带完整 HUD、控制提示和设置面板
弱项（关键数据）：
「18 of 50 builds scored under 5: long game files shipped with garbled tokens (a stray 'martin' or 'martial' identifier breaks the whole script), uninitialised references and bad canvas values, so the HUD paints but the 3D scene stays black」
「Two hard crashes: the RPG threw an engine fault on load and the solar system rendered nothing at all」
速度：「It reasons for a long time at default effort: builds took 5 to 60 minutes each through OpenRouter」
它的建议很实用：「Pair it with a self-fix loop for games: the failures are single broken tokens, not missing ideas.」
⚠️ 「非崩溃式失败」是这类评测最该记住的一点——产物看起来交付了，实际有一个 token 是坏的，导致整个场景黑屏。这类失败在任何 benchmark 上都容易被漏掉。
2.2 世超（腾讯新闻 / 科技区角《雷霆思考，慢到红温，但我觉得 MiMo-V2.6 及格了》）— 本轮最诚实的中文实测
三个带时间戳的任务：
| 任务 | 耗时 | 评价 |
|---|---|---|
| 潜行游戏（据「准点下班」截图做同类） | 18 分半 | 「成品的可玩性挺高」，昏黄日光、弹窗对话、桌面「今晚走不了」，「很有职场恐怖片那味儿」；Shift 加速、E 躲桌子、C 下蹲、左下角小地图。「稍微偏慢，但还可以接受。」 |
| Blender 建模（据宝马车图片做 3D） | 等了一个半小时都没结果 | 「回去翻翻 MiMo 的思考过程，它才到'有进步，已经像车了'的程度，一度让世超十分绝望。」但验收半成品时「感觉 MiMo 做得效果还行，至少整体感觉出来了，只是有些形状不太对」，且模型仍在主动对比原图优化侧面车尾。 |
| PPT 制作 | 37 分钟 | 「在这种看起来没啥难度的任务上，MiMo 速度确实慢……一个 PPT 足足做了 37 分钟，给世超都等力竭了。好在最终效果不差。」 |
他的两点判断：
- 对榜单的批评：「榜单里基本没有出现 DeepSeek V4.1 Pro、GLM 5.3 等开源旗舰的身影，实在是不好琢磨出 MiMo 的深浅。」
- 对训练直播的怀疑（罕见地承认了质疑的存在）：「虽然直播也一直被质疑，到底是真实训练还是过程回放，但对世超来说，这确实是第一次这么直观地感受到，大模型是怎么一小时烧掉几万美元的。」
结尾很有分寸：「至于是真有水平还是概念炒作，也许只能让时间来证明了。」
2.3 塔猴 — 实际切换了工作流的开发者
「我用第三方 AI 测试集的 2000 道评测题进行了内部测试，MiMo V2.6 Flash 的品味分排名第一，速度和价格和 DeepSeek V4.1 Flash 持平，这让我直接决定将相关的主要判断 API 全面切换到 MiMo V2.6 Flash 上。」
「现在它已经成为我日常工作流中的重要一环，无论是小型 BUG 修复还是常规功能优化，都能高效完成，甚至还能主动关联历史问题，提供举一反三的解决方案。」
「在露天足球场设计和花朵动效网页这类前端任务中，它的表现也相当不错，精细度和流畅度接近 Opus 4.8 到 Opus 5 的水平。」
速度自测 130 tok/s。
2.4 @sieve（Hacker News）— 解释了「慢」为什么可能是特性
「I have used all three extensively. DS4 Flash is quite smart. I would rank MS 1.2 below it. MiMo is the dumbest of them all but good enough for basic stuff. MiMo wins handsomely if you want to think about your code for minutes at a time as you write. I use it to make changes as I think. I know it will screw up some stuff. I then switch to MS/DS4 once every few hours and have it do a code review and fix the broken stuff. So much cheaper than getting MS to do it on its own.」
这是本轮最值得记住的实操模式：MiMo 当「边想边改的便宜陪写」，每几小时切到贵模型做一次 code review 修错。
2.5 Sebastian Raschka（ModelForge）— 架构分析视角
标题即结论：「Xiaomi MiMo v2.6 Pro: New best open-weight LLM with simple design」。HN 讨论认为其架构简洁（YOCO 路线：仅网络前段在 prefill 阶段活跃以构建 KV cache 表示，无线性注意力，配 token 级 indexer）。
⚠️ 该帖 HN 仅 3 分 1 评论，社区关注度低。
2.6 computingforgeeks（自建 harness 九项工程任务）— 最有价值的「不推荐」证据
「On our first pass, one Pro request to the Xiaomi endpoint sat for more than 600 seconds without returning and hit our client timeout. A clean rerun of all nine Pro calls finished without errors」
对 MiMo-V2.6-Distill-Qwen-9B（明确说这是测 distill）：三个 Terraform 文件全部未通过校验——Run 1 引用了不存在的 registry module；Run 2 把裸标记泄漏进文件后转去写无关的 Lambda；Run 3 把 availability_zone 设在 VPC 上并凭空发明 aws_security_group_inbound_rule 资源。Kubernetes 场景：一个 manifest 触发 nginx mkdir 崩溃，两个把 runAsNonRoot 设在无 UID 上被 kubelet 拒绝。
结论：
「Xiaomi is upfront that this checkpoint is an SFT starting point for RL research, not a finished assistant, and our results agree. … Do not let it write infrastructure unattended.」
2.7 中文技术站 ic.work — 平衡视角
「MiMo-V2.6-Pro 在多步工具调用和长代码排查上反应迅速，但在实际生产链路中，模型往往倾向于产生冗长的高密度推理 tokens，导致实际处理延迟与推理算力消耗高于预期，部分交互依然需要复杂的 prompt 人工引导。」
风险提示：「若缺乏第三方机构对评测沙盒、防数据污染机制进行严格交叉审计，模型在榜单上的强势表现与真实复杂场景表现之间的落差，仍将是技术选型的主要潜在代价。」
三、真实用户使用评价
正面（Hacker News 主帖 1,130 分 / 483 条评论）
@GodelNumbering：「Mimo has been one of those models that I have been rooting for since the first I used it, the 2.5 pro which I have used quite a bit, was very concise, very aware of how much context needs to be read for which tasks and would always keep the context tight. Also surprisingly good at strategic thinking.」
「Wow, took a detailed look at the benchmarks. Mimo 2.6 pro, the 1T model leads Kimi K3, a 2.8T param model in 14 out of 15 benchmarks (and the last one is near tie)!! Good to see they also kept the price the same, and landed in the greenest quadrant of the intelligence vs speed of AA.」
@algoth1：「Finally a lab that doesn't cheat on the charts」
@rao-v（对训练透明度的评价，本轮最有价值的一条正面评价）：
「I know we have strong views on what a truly open model is... but I really like how transparent they've been about the training of this model. The realtime dashboard they shared during training was an incredible learning and teaching tool for me, and they've been unusually comprehensive in sharing details about their methodology … and benchmark scores (even the stuff they didn't do well on). If you're releasing an open model going forward, please consider offering the community more of this transparency!」
@tancop：「The best thing they did is being open about all the setbacks they had to deal with. They logged every restart with a reason, talked about dropping a cyber dataset after it degraded coding benchmarks. Also published real time training loss, benchmark scores after every checkpoint and running cost estimates.」
@DanMcInerney（做过模型对抗游戏测试）：「I pitted older Mimo, qwen, step, gpt-oss, and other models against each other playing games like Werewolf... Mimo was by far pareto frontier of game-playing for the models that were <$0.15/m input tokens on OpenRouter.」
@omani（意外的第一时间察觉）：「ah, would you look at that. I was wondering why mimo 2.5 became "dumber" the last weeks. I was speculating they are probably about to release a new version of the model... dont know, was just a feeling, highly speculative. but now I got my "proof".」
@joelwallis：「I been using MiMo-V2.5 to do most of my work as software engineer... The cost is unbelievably low, and the quality of intelligence I get is equivalent to when I was working mostly with Anthropic models... but when I add cost of M-token in the ROI math, Jeez! MiMo is an order of magnitude better.」（⚠️ 这条讲的是 V2.5）
中文社区：
「也有人说 MiMo 系列其实还是性价比的王，看似无人在意，实则周围不少人都在用它干脏活累活。」
负面
@omani（实测后）：「after trying MiMo 2.6 Flash: unfortunately it ends up in infinite loops.」
⚠️ 这条原声直接对应到 9/27 官方承认的 tool-call repetition 缺陷——时间上可能是 9/22–9/25 之间遇到未修复版本。
@Shekelphile：「No chinese lab has caught up yet. They've tried to fake it by distilling and overfitting on benchmarks... the 'best' models available from chinese labs right now (GLM 5.3 and Kimi K3) fall apart completely when you try to do real work with them.」
@vatsachak：「Wow, the chinese labs are getting good at advertising model releases. The moat is thin.」
@unethical_ban（合规/采购视角，是国产模型进企业的真实门槛）：
「If it's hosted, all they know is "data goes to China". Until profitable, reputable third parties host open models in the US with ZDR or they become plug-and-play for self-hosting at a modest cost, paying the US models is as much about data protection and liability as performance.」
中文社区：
「有人反映 MiMo-V2.6-Pro 干活速度太慢，总是触发雷霆大思考的。就算能力上应该和 GLM 5.3 差不多，体感也很一般。」
⚠️ 最有杀伤力的质疑：46.32 的跨版本比较问题
这是本轮最值得写进文章的技术点。
小米官方宣传「MiMo-V2.6-Pro 在 Artificial Analysis 智能能力评分超过 Qwen 3.8 Max、GLM 5.3(max) 和 Kimi K3(max)，暂列开源模型第一名」。
但 @ai-master.dev 的交叉核验指出了问题：
「An honest point of caution: the comparisons with Kimi K3 and Qwen3.8 that are circulating use figures from an earlier version of the Index, where K3 was credited with 60 and Qwen3.8 with 58. These figures, taken from a vendor article by Featherless, are not directly comparable to v4.3.」
严谨的同版本口径（v4.3.2）：MiMo-V2.6-Pro 46 / GLM-5.3 45 / Qwen3.8 Max 45 / Kimi K3 44——领先幅度是个位数，不是「大幅超越」。
其他质疑
@NerdBite 汇总的 HN 现场观察：「There's a live debate in the comments about whether Xiaomi's headline benchmark score, on a coding-focused test called DeepSWE, is being presented fairly. One commenter noted the score curve looks like it's flattening out, and that the reported figure matches a previous spike that later dropped, raising a mild suspicion of cherry-picking the best checkpoint rather than the final, stable one.」
@dhx / @verdverm（训练直播的细节缺失）：「Really the only thing missing was dataset descriptions, the dashboard only had random IDs like 'dataset-zrso'.」
四、核心优势
- 开源模型智能第一：AA 智能指数 46.32，在 v4.3.2 同版本口径下确实领先所有开源权重模型。
- 性价比是压倒性的：Pro $0.435/$0.87，Flash $0.14/$0.28——官方称同等智能下价格仅为海外模型的 1/20 至 1/60，且在 AA 的智能/价格图上达到帕累托最优。
- MIT 许可 + 全套开源：权重 + 训练框架 + 7000+ RL 任务环境 + Distill-9B 全开源，这在国产模型里是最彻底的一次。
- 训练过程透明度极高：实时 dashboard、公开训练 loss、每个 checkpoint 的基准分、运行成本估算、连失败的重启原因和被移除的数据集都公开了。HN 社区对此评价极高（"the best thing they did is being open about all the setbacks"）。
- 主动自曝缺陷并给出完整修复账单：$231 万完整重训 vs $9 万蒸馏修复（约 4%），这种工程透明度在业界极罕见。
- Pro 的 Agent 编排能力突出：AutomationBench 53.1 反超 Claude Opus 5（50.3）和 GPT-6 Astra（52.0）；Agents' Last Exam 31.6 打平 Opus 5。
- Flash 是同架构下最便宜的全模态模型之一：$0.14/$0.28，CyberGym 95.1 略高于 Pro，且全面超越上一代 MiMo-V2.5-Pro。
- 原生全模态 + 1M 上下文：文本、图像、视频、音频都能进，两个 SKU 都是。
- 已在真实科研中落地：小米内部新材料研发的 PFAS/MOF 方案筛选。
- 有 UltraSpeed 档：需要极限输出速度时 $4.35/$8.70，最高 20 倍速度同质量。
五、适合用在哪
- 需要「便宜量大」的日常主力：Flash $0.14/$0.28 是目前开源模型里最能打的价格带。
- 长程自主开发（Pro）：Terminal Bench 弱但 Agent 编排强，适合多工具调用的复杂流水线。
- AI 编程陪写（@sieve 的模式）：让它当「边想边改的便宜陪写」，每几小时切到贵模型做一次 code review 修错——成本远低于全程用贵模型。
- 多模态批处理：全模态输入 + Flash 的价格，适合批量处理图文视频内容。
- 国产化合规要求 / 需要自部署：MIT 许可 + 全套开源，是国产模型里最干净的。
- 网络安全的攻防研究：CyberGym 94.0 / 95.1，Pro 和 Flash 都很高（⚠️ 注意这正是它被 Anthropic 点名的那类能力）。
- 科研辅助：官方已用于 MOF 材料筛选，Lean 4 形式化了 6000 行证明。
- UltraSpeed 档：只有当你的业务真的被首 token 延迟卡住时（例如实时对话、代码补全）才值 10 倍溢价。
经验法则：Flash 日常跑量 + Pro 攻坚 + 每几小时用旗舰模型做一次 code review。这是社区验证过的组合。
六、劣势与注意事项
- 🔴 官方承认的「工具调用重复」缺陷：OpenCode harness 下 Flash 1.02% / Pro 0.54% 的响应级重复率。表现是「工具一直在跑但 agent 卡住」。⚠️ API 于 9/25 静默切换到修复版，模型名不变——如果你在 9/22–9/25 之间用过 API，遇到的可能是未修复版本。
- 🔴 慢，是跨来源唯一一致的负面信号：Blender 建模 1.5 小时未完成、PPT 37 分钟、潜行游戏 18 分半、Goldie Bench 单题 5–60 分钟、两次 600 秒客户端超时。中文社区的「雷霆大思考」说法也是这个。
- ⚠️ 速度数据三方打架：小米自测约 125 tok/s；AA 实测中位 41 tok/s；另一口径 54 tok/s。引用时必须说明是谁测的。
- 🔴 啰嗦 / token 消耗高：claytribune 记录「generates a hefty 140M output tokens whenever it is evaluated」，行业中位约 110M。低单价会被实际账单吃掉一部分。
- ⚠️ 「超过 Kimi K3 / Qwen3.8」是跨指数版本比较：官方通稿用的 K3=60、Qwen3.8=58 来自更早的 AA 指数版本。同版本严谨口径是 46 vs 44 vs 45。HN 上也有人质疑 DeepSWE 分数可能挑了最好 checkpoint 而非最终稳定版。
- 🔴 Goldie Bench 的交付质量：18/50 低于 5 分、2 次硬崩溃。失败模式是「一个坏 token 导致整个场景黑屏」——看起来交付了，实际不能用。
- Terminal Bench 4.0 明显偏弱（34.9）：与 GPT-6 Astra 的 59.6 差 25 个点。终端密集型任务不是它的强项。
- Pro 自部署几乎无门槛意义：第三方数据库口径 Pro 需约 92 GB 显存（Q4_K_M），24GB 显卡「0 of 4 quantizations fit」；Flash 需 8-GPU 节点。只有 9B Distill（GGUF 约 20.5 万次下载）真正能在笔记本上跑。
- 🔴 9B Distill 不是产品：小米自己定性为「SFT checkpoint released as a starting point for open research in agentic RL」。第三方实测：三个 Terraform 文件全挂、pg_dump 参数编造、kubelet 配置错误。Do not let it write infrastructure unattended.
- ⚠️ 合规与法域是真实门槛：「If it's hosted, all they know is 'data goes to China'.」企业采购要先解决数据保护与责任问题。
- 训练直播的「过程回放」质疑至今没有完全澄清，且 dashboard 缺少数据集描述，无法判断数据筛选逻辑。
- UltraSpeed 的 10 倍溢价：$4.35/$8.70 vs $0.435/$0.87——「最高 20 倍输出速度」听起来美好，但只有 5%–10% 的场景能把它的时间收益变现。
- Pro 一次 600 秒无响应：第三方自建 harness 首轮出现客户端超时，虽然干净重跑无错，但生产环境要设好超时和重试。
七、推荐总结
推荐给谁
| 你的情况 | 建议 |
|---|---|
| 想要开源模型里的最强智能 | ✅ Pro 是当前开源第一（46.32） |
| 想要最低成本的日常主力 | ✅ Flash $0.14/$0.28，塔猴已全量切换 |
| 需要 Agent 多工具编排 | ✅ Pro 的 AutomationBench 53.1 超过 Opus 5 和 Astra |
| 需要多模态 + 1M 上下文 | ✅ Pro/Flash 都是原生全模态 |
| 需要 MIT 许可和彻底自部署 | ⚠️ Pro 是 MIT 但太大；Flash 更大；能真跑的只有 9B Distill（但它不是产品） |
| AI 编程陪写 | ✅ @sieve 的模式：MiMo 陪写 + 每几小时旗舰模型 review |
| 终端密集型 / 高难度调试 | ❌ Terminal Bench 4.0 只有 34.9 |
| 追求单次响应速度 | ❌ 慢是共识；除非买 UltraSpeed 10 倍溢价 |
| 企业合规采购 | ⚠️ 数据出境问题要先解决 |
| 9/22–9/25 用过 API 且遇到重复调用卡死 | ⚠️ 那是已知缺陷，9/25 后已修复 |
结论
MiMo-V2.6 系列是当下开源模型的最优解之一，而且可能是透明度最高的一次开源发布。
Pro 用 1.02T 参数拿下 AA 46.32，在同版本口径下确实是开源第一；Flash 用 $0.14/$0.28 把「有全模态、有 1M 上下文、AA 40+ 的模型」打到了白菜价。官方的说法「同等智能下价格仅为海外模型的 1/20 至 1/60」虽然有营销成分，但 46 vs 44 vs 45 的同版本对比确实支持不了「大幅超越」的说法——领先幅度是个位数，宣传口径需要打折。
但真正让这次发布值得记住的不是分数，是两件事：
第一，官方主动承认自己的训练缺陷。RL 奖励设计只罚超过 32 次的工具调用，结果 32 次以下的坏习惯在算力扩张中被持续强化，异常样本从 11.1% 涨到 24.6%。这种自我披露在业界极其罕见——大多数厂商的做法是悄悄重训然后说「我们提升了稳定性」。
第二，修复方案的成本对比：$231 万完整重训 vs $9 万蒸馏迁移，4% 的成本解决了问题。这既是技术亮点，也是对「RL 规模化会有盲区」的一次公开警示。
最大的短板是慢。 慢到一位实测作者说「慢到红温」，慢到 Goldie Bench 单题 5–60 分钟，AA 实测中位 41 tok/s。但 @sieve 的用法给出了答案：把「慢」当成它的特性，而不是缺陷——让它当边想边改的便宜陪写，每几小时切到贵模型做一次 code review，这样总成本远低于全程用旗舰模型。
一句话建议：Pro 和 Flash 都值得用，但要按它们的性格来用。 追求开源最强智能和多工具 Agent 编排选 Pro，追求极致性价比跑量选 Flash，两者都要接受「慢」并用「定期让旗舰模型 review」的工作流来补。不要用 9B Distill 做生产任务，它是给 RL 研究的起点，不是助手。
在珂艾网关怎么调
| 项目 | Pro | Flash |
|---|---|---|
| 模型 ID | mimo-v2.6-pro | mimo-v2.6-flash |
| 计费 | 按量（token） | 按量（token） |
| 上下文 | 1M | 1M |
| 模态 | 文本 / 图 / 视频 / 音频 | 同 |
| 分组 | Xiaomi-1、Xiaomi-2、Self-Deployed-* | 同 |
⚠️ 站点倍率和加价会变动，实际单价以 https://turbo.apimax.host/pricing 实时价格页为准。
八、来源
官方
- 小米 MiMo — Introducing MiMo-V2.6 series（官方基准表、RL 成本、MIT、6 天 30 步）：https://mimo.xiaomi.com/mimo-v2-6/article
- 小米 MiMo 文档 — MiMo-V2.6:扩展强化学习规模，迈向自我提升（同上，中文版）：https://mimo.mi.com/docs/news/latest/v2-6
- 小米 MiMo — Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6（官方缺陷自曝，本轮最重要的一手资料）：https://mimo.xiaomi.com/blog/mimo-v2-6-tool-call-repetition
第三方评测
4. Goldie Bench — 50 题独立实测（6.35/10、18/50 低于 5 分、2 次硬崩溃）：https://goldiebench.com/models/mimo26pro
5. Machine Herald — MIT 许可与发布背景（含 SiliconANGLE / VentureBeat 数据）：https://machineherald.io/article/2026-09/29-xiaomi-releases-mimo-v26-pro-and-flash-as-mit-licensed-open-weight-models-topping-open-weight-ranking-on-artificial-analysis-index
6. computingforgeeks — 九项工程任务实测（600 秒超时、9B Distill 的 Terraform/K8s 全失败）：https://computingforgeeks.com/xiaomi-mimo-v2-6-pro-flash/
7. ai-master.dev — 指出 46.32 的跨指数版本比较问题 + agentic 基准横向表：https://ai-master.dev/en/article/xiaomi-mimo-v26-lentrainement-rl-diffuse-en-live
8. claytribune — 140M 输出 token、TTFT 2 秒+、「slower than average and somewhat verbose」：https://claytribune.com/mimo-v2-6-pro-review-smart-affordable-and-chatty
9. EveryLocalAI — 硬件/速度/成本/榜单数据（159.4B、92GB Q4、41 tok/s、LMArena 1490.5）：https://everylocalai.com/model/mimo-v2-6-pro
10. Extrapolator — 英文技术复盘（13.45%→3.83%、MiPo Code 30.6%→41.7%）：https://extrapolator.ai/2026/09/27/mimo-v2-6-reward-blind-spot-drives-tool-call-repetition-in-rl
11. NerdBite — HN 现场汇总（DeepSWE checkpoint 挑选质疑）：https://www.nerdbite.com/xiaomi-s-mimo-v2-6-the-ai-model-everyone-s-praising-for-its-paperwork
12. eesel.ai — 汇总 HN/X 原声（并指出来源是 V2.5）：https://www.eesel.ai/blog/xiaomi-mimo-v2-6
13. AGI Hunt — 四家高效架构横评（YOCO vs 3:1 交错、Engram、Muon）：https://agihunt.info/e/1a0d053810d2daff1ec761315a7
14. 北京市科委 — 小米发布并开源 MiMo-V2.6 系列（官方通稿口径）：https://kw.beijing.gov.cn/xwdt/kcyx/xwdtyqqy/202609/t20260923_4877361.html
KOL 与社区
15. 世超（腾讯新闻）— 三任务带时间戳实测 + 网友原声：https://news.qq.com/rain/a/20260923A05KIK00
16. 塔猴 — 2000 题内部测试、Flash 品味分第一、全量切换：https://www.tahou.com/article/218120072215064581
17. ic.work — RL 训练成本复盘 + 早鸟开发者「温差」评价：https://www.ic.work/article/xiaomi-mimo-v2-6-pro-rl-training-reality
18. 网易 — Lean 4 形式化 6000 行、PFAS/MOF 筛选、HN 500+ 分讨论：https://www.163.com/dy/article/L7DQHQMS05445SO5.html
19. 开发者日报 — HN 912 分/406 评论、live dashboard 细节：https://www.developersdigest.tech/daily/2026-09-22
20. Hacker News — MiMo v2.6 主帖（1,130 分 / 483 评论，@GodelNumbering / @rao-v / @tancop / @omani / @sieve 原声）：https://news.ycombinator.com/item?id=49792730
21. Hacker News — RL 训练直播讨论帖：https://news.ycombinator.com/item?id=49732270
说明：价格、基准多为厂商自报或第三方独立测算（已逐条标注）；模型迭代快，最终以官方页面与网关实时价格为准。