TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
小米 MiMo-V2.6 開放權重模型發布，代理成績兩面與真實價格
小米於 9 月 22 日發布 MiMo-V2.6 系列，Pro 在 AutomationBench 等代理評測擠進 Claude Opus 5 與 GPT-5.6 Sol 同一區間，程式與資安多項仍落後；三份權重走 MIT 授權，技術報告一併公開約 350 萬美元的 RL 訓練帳目與 7,000 個訓練環境。
用 AI 摘要這篇文章：
小米 MiMo 團隊在 2026 年 9 月 22 日清晨（台北時間 4 點 51 分）於 X 官方宣布 MiMo-V2.6 系列，一次推出 Pro、Flash 兩個開放權重模型，外加只在 API 提供的 Pro-UltraSpeed。官方貼文的開頭把重點講得很白：全模態、走規模化強化學習，Pro 在多數代理評測與 Claude Opus 5、GPT-5.6 Sol 同級。這句「同級」經得起核對，但要兩面一起讀：自動化代理項目確實擠進第一區間，程式與資安多項仍明顯落後。而這次發布真正少見的地方在別處，官方把約 350 萬美元等級的強化學習訓練帳目、失敗紀錄與約 7,000 個訓練環境一起公開，三份權重全走 MIT 授權。
先把時間軸釘穩。Hugging Face 上的 Pro 與 Flash 權重早在 9 月 21 日 15:39 UTC 就上傳，9B 蒸餾版晚兩個多小時跟進，OpenRouter 在 20:07 UTC 上架三個模型，X 官方貼文落在 20:51 UTC，官方更新日誌記載的發布日是 9 月 22 日。也就是說，權重比官方宣布早了五個多小時就放在那裡。
全模態的邊界先講清楚：四種輸入、一種輸出
MiMo-V2.6 的架構是稀疏混合專家（MoE）。Pro 的總參數 1.02 兆、每次推理啟動 420 億；Flash 是 3,090 億與 150 億。兩個模型都能吃文字、圖片、影片與音訊，上下文視窗 100 萬 token，視覺端用 681M 參數的自家 ViT，音訊端是 308M 的 AudioTokenizer 加 127M 的 patch 編碼器，輸出端另有 5 層投機解碼器加速生成。
「全模態」四個字容易讓人期待過頭，模型卡寫的其實是輸入側的全模態：它能讀懂四種內容，但輸出只有文字。想拿它生成圖片、影片或語音，現在都做不到，那是另一批模型的工作。對要把它接進代理工作流的團隊，這個邊界反而單純：輸入什麼都行，產出就是文字與工具呼叫。
上下文 100 萬 token 是書面規格，實際長文件檢索與多輪工具往返的穩定度，模型卡不背書，要用自己的工作負載測。
官方成績單：兩個項目站上第一，程式與資安還差一截
官方比較表把 MiMo-V2.6 Pro、Flash、前代 V2.5 Pro 與 Claude Opus 5、GPT-5.6 Sol、Claude Fable 5 並列，所有可調推理強度的對照模型都設在最高檔，這個設定官方在技術報告的表下註明。節錄重點如下：
| 評測項目 | Pro | Flash | V2.5 Pro | Opus 5 | GPT-5.6 Sol | Fable 5 |
|---|---|---|---|---|---|---|
| AutomationBench v1.0.6（辦公流程自動化） | 53.1 | 52.3 | 16.0 | 50.3 | 45.8 | 46.2 |
| Terminal Bench 2.1（終端機任務） | 89.9 | 87.6 | 65.2 | 89.1 | 88.8 | 84.3 |
| Agents’ Last Exam（代理綜合） | 31.6 | 27.6 | 13.2 | 31.6 | 30.8 | 25.7 |
| OSWorld-Verified（桌面操作） | 82.0 | 80.8 | – | 83.4 | 83.0 | 86.0 |
| JobBench（知識工作） | 62.0 | 61.2 | 25.0 | 65.7 | 45.4 | 57.4 |
| DeepSWE v1.1（軟體工程） | 71.9 | 67.9 | 19.0 | 74.0 | 73.0 | 70.0 |
| ProgramBench（程式重建） | 26.5 | 26.0 | 12.5 | 37.0 | 25.0 | 33.0 |
| Terminal Bench 4.0（進階終端機） | 34.9 | 28.8 | 1.5 | 49.0 | 39.9 | 42.4 |
| ExploitBench（資安利用） | 47.9 | 25.3 | 16.6 | 70.0 | 78.5 | 78.0 |
| SEC Bench Pro（漏洞重現） | 66.3 | 47.5 | 17.7 | – | 79.1 | – |
高於全部對照模型的項目有兩個：AutomationBench 的 53.1，以及 Terminal Bench 2.1 的 89.9；Agents’ Last Exam 與 Opus 5 同分。介於中間的項目各有歸屬：專業知識工作的 GDPval-AA 拿 1,673，高於 Sol 的 1,588 與 Fable 5 的 1,595，仍低於 Opus 5 的 1,708；JobBench 62.0 高於 Sol 的 45.4 與 Fable 5 的 57.4，低於 Opus 5 的 65.7；OSWorld 桌面操作 82.0 與 Opus 5 的 83.4、Sol 的 83.0 都在誤差距離內，Fable 5 的 86.0 則明顯在前。往下看落差也很具體：DeepSWE 71.9 對 Opus 5 的 74.0，ProgramBench 26.5 對 37.0，Terminal Bench 4.0 的 34.9 對 49.0，資安類的差距最大，ExploitBench 47.9 對 Sol 的 78.5，SEC Bench Pro 66.3 對 79.1。所以官方那句「多數代理評測同級」是仔細挑過的說法，自動化與終端機基礎任務確實到了那個區間，複雜終端機與資安利用還有一段路。
跟前代比起來，這一版的進步幅度才是新聞本體。V2.5 Pro 今年 4 月 23 日發布，當時小米定位是代理場景媲美 Claude Opus 4.6；五個月後的這張表裡，AutomationBench 從 16.0 到 53.1，DeepSWE 從 19.0 到 71.9，CyberGym 從 40.0 到 94.0，MiMo Cyber Bench 從 0.0 到 80.2，Terminal Bench 4.0 從 1.5 到 34.9。幾乎每一項都是數倍級的跳升，這也是官方敢把對照欄直接換成 Opus 5 與 Sol 的原因。
表裡有三個項目要特別標註：MiMo Code Bench、MiMo Cyber Bench 與 MiMo VisualCoding 是小米內部評測集，外界拿不到題目，無法獨立重現，分數參考價值比公開評測低一級。另外 Flash 在 CyberGym 反而以 95.1 高過 Pro 的 94.0，小模型不見得每項都輸。
第三方怎麼看：開放權重級距的第一名，輸出很快但話多
Artificial Analysis 在發布當天就把 MiMo-V2.6 Pro 排進獨立評測。Intelligence Index v4.3.2 給它 46 分，這個綜合指數涵蓋十項評測。排名要看清楚口徑：AA 的模型頁標的是同級比較第一名，那個「級」是開放權重、總參數大於 1,500 億的模型，共 114 個。它的比較摘要寫得客氣：「智慧表現居前、與同級開放權重模型相比價格合理，速度顯著快，但輸出偏冗長」。閉源前沿模型不在這一級裡，46 分也不該解讀成超越 Claude 或 GPT。
速度那欄有實測數字：基於小米 API 的輸出速度是每秒 124.5 個 token，同級開放權重模型的中位數是 74.8。時間到第一個 token 2.34 秒，與同級中位數 2.33 秒基本持平。冗長度是代價，跑完整套 Intelligence Index 用掉 1.4 億個輸出 token，與同級中位數持平，AA 給的評語是 somewhat verbose，這些都是 9 月 22 日的讀值。對按 token 計費的使用者，話多就是帳單長，這點在下面的價格段一起算。
價格：Flash 約 Pro 三分之一，UltraSpeed 十倍賣延遲，v2.5 十月除役
小米開放平台的海外隨用隨付價（美元，每百萬 token，定價頁更新時間 9 月 21 日）：
| 模型 | 快取命中輸入 | 輸入 | 輸出 |
|---|---|---|---|
| mimo-v2.6-pro | $0.0036 | $0.435 | $0.87 |
| mimo-v2.6-flash | $0.0028 | $0.14 | $0.28 |
| mimo-v2.6-pro-ultraspeed | $0.036 | $4.35 | $8.70 |
三層結構一目了然。Flash 的輸入輸出約為 Pro 的三分之一，官方表格裡 Flash 在多數日常代理項目與 Pro 差距只有幾個百分點，高頻呼叫的工作負載幾乎沒有理由不從 Flash 開始。批次 API 再打對折，Pro 與 Flash 都適用，不急著要結果的離線任務成本再省一半。UltraSpeed 是另一門生意：十倍於 Pro 的單價，買的是原廠宣稱的「最高 20 倍速度」，它不支援批次 API，Hugging Face 上也沒有它的權重，延遲敏感的即時場景才用得上。
定價頁上有兩件事寫了但容易漏掉。其一是價格：v2.6 從 v2.5 原封沿襲，表上 v2.6-pro 與待除役的 v2.5-pro 列在同一行同一價，談不上降價。其二是除役時程：mimo-v2.5-pro 與 mimo-v2.5 將在 2026 年 10 月 21 日上午 10 點（北京時間）正式除役，還在用前代的團隊有一個月的遷移期。中國境內另以人民幣計價（Pro 為 ¥3／¥6），快取寫入限時免費，網頁搜尋外掛海外每千次 5 美元另計。
串接管道目前有：小米開放平台的 OpenAI 相容 API、AI Studio 線上試用、MiMo Desktop 與 MiMo Code 桌面產品，以及 OpenRouter。OpenRouter 上架的三個模型價格與小米海外牌價完全相同，沒有加價，對已經把閘道接好的團隊等於零改動就能試。
真正少見的部分：訓練帳本、失敗紀錄與 7,000 個環境一起公開
多數模型發布給你一張成績單，這次小米給的是整本帳。技術報告第四章寫明：Pro 的強化學習後訓練花費 260 萬美元，Flash 是 90 萬美元。訓練批次每步 1,568 個提示、每個提示 16 條 rollout，合計約 2.5 萬條軌跡、27 億到 37 億個 token。成本拆分也攤開：rollout 佔 43.8%、訓練佔 43.5%、評分器佔 12.7%。這種等級的透明度在閉源前沿實驗室那邊通常連提都不提，官方部落格的標語「built in public」至少在帳目層面兌現了。
更少見的是失敗紀錄。報告第五章第五節列出訓練中斷的原因：GPU 記憶體雙位元錯誤是主要基礎設施故障；Flash 因 Kubernetes 故障在 Cyber 任務叢集上重啟過一次；Pro 因評分器網路斷線在第十四步後重啟。工程決策也有交代，凍結路由器讓專家負載在整個 RL 過程保持穩定，這段有圖有對照組；Pro 那輪訓練前後跑了約 123 小時。訓練方法上，小米把這套取名「You Only RL Once」：程式、通用代理、視覺、資安四類任務混進同一輪強化學習，任務混合比例是程式 68%、工具使用 12%、美學設計 13%、上下文遵循 3%、資安 4%。評分機制是報告裡最有意思的一段：傳統的通過或失敗訊號分不出兩個都通過測試的解法哪個更好，MiMo 在每組 16 條 rollout 之間另加代理評分器，離線先從成對對照的解法歸納出各任務的評分規則，線上再把優勢權重往品質較高的路徑移，模型因此學到用更少的步數與 token 完成任務，而不是只把答對率推高。
跟著作為開放內容一起釋出的還有：約 7,000 個 RL 訓練環境（程式 3k、資安 1k、通用 1k、視覺 2k，外加約 1k 音樂生成）、端到端 RL 訓練框架，以及訓練動態的執行紀錄。小米自己在部落格把這次發布定位成探索 RSI 路徑的一步；RSI（自我改進式智慧）這個詞最近的討論脈絡，可以對照 Google 的 Dream-RSI 研究與 Anthropic 執行長談放慢前沿 AI的長文。小米沒有宣稱已經做到 RSI，模型仍在設計好的環境、評分器與訓練流程裡更新，這個分寸拿捏得比多數行銷文案準確。
自己跑的門檻：Pro 要兩台八卡機，9B 蒸餾版 20 GB
開放權重不等於一般電腦能跑，這次的硬體門檻寫得很明白。Pro 的權重下載量約 0.57 TB，官方 SGLang 部署範例用兩台節點、全域 16 路張量平行加 16 路專家平行，等於每台八卡 GPU 機器；Flash 約 0.18 TB，單機八卡。想在消費級電腦上碰這個系列，現實的入口是 9B 蒸餾版。
MiMo-V2.6-Distill-Qwen-9B 的基礎模型是 Qwen3.5-9B，用 MiMo 產生的 774 億 token 資料（其中 272 億計入損失）做監督式微調，權重僅約 20 GB，MIT 授權。技術報告的表格顯示，這個 9B 模型再經領域強化學習後，11 項評測全數進步，例如 Terminal Bench 2.1 從 37.1 到 52.8，MiMo Cyber Bench（mini）從 31.3 到 47.0。另一組程式實驗在四種代理框架上共同訓練，再跨七種框架（其中三種訓練時沒見過）評三項程式評測，21 個組合全數進步；官方在藝術創作方向的內部音樂評測上，分數也從 45.7 提升到 52.5。蒸餾的意義在於把大模型摸索出的代理經驗換個容器裝，對研究代理強化學習的團隊，這份起點加 7,000 個環境與框架，是這次發布裡最能實際上手的組合。
授權面順便定位一下。三份權重都是 MIT，商用條件寬鬆，對照近期 Qwen-Image-2.1 從 Apache-2.0 轉向自訂研究授權的產業趨勢，小米這次選了保守但友善的一邊。「開放權重」的範圍也畫清楚：權重、RL 環境、訓練框架與訓練動態公開了，預訓練資料沒有隨權重釋出，所以自稱開放權重模型比自稱全開源來得誠實，官方文件也是這樣用詞。
尚未驗證的三件事
UltraSpeed 的「最高 20 倍」是官方宣稱，比較基準沒有載明，也沒有第三方數字，把它當規格書看之前先當行銷句看。內部評測集無法重現，所有 MiMo 自家 benchmark 分數都屬於廠商自評等級，AA 的 46 分與排名則是 9 月 22 日的讀值，榜單會隨時間變動。至於台灣專屬的條款與資料落地安排，開放平台文件沒有特別載明，海外計價與 OpenRouter 管道都可用，但區域合規需求要自己向官方確認。
這次發布對不同讀者的意義很分流。要選代理模型的團隊，Flash 的價格與 AA 同級第一的位置值得放進候選清單跑自己的任務，程式與資安重的場景先看官方表的落後欄再決定。要研究訓練方法的人，技術報告、7,000 個環境、框架與 9B 蒸餾版是實質可重現的素材，這在開放權重社群近年收緊授權的背景下已不多見。已經在用 v2.5 的，記得 10 月 21 日的除役時限，價格不變的 v2.6 是平滑的遷移目標。
