9 月 22 日凌晨，开源权重榜换人了
小米在 9 月 22 日凌晨（美东时间 9 月 21 日）发布并开源了 MiMo-V2.6 系列，两个主角：Pro 和 Flash。官方放出的核心数字是 Artificial Analysis 智能指数 46.3 分——开源权重模型第一，把 GLM-5.3（45 分）、Kimi K3（44 分）压在身后，和闭源的 Grok 4.7 持平，距离 Claude Fable 5.1 和 GPT-6 Astra 的 53 分还差 7 分。
我把三处信源交叉核对了一遍：OpenRouter 的模型页（已上架，定价 $0.435/$0.87 per 1M tokens，1M 上下文）、HuggingFace 的 XiaomiMiMo 组织（Pro-RL、Flash-RL、Distill-Qwen-9B 三个仓库真实存在，MIT 协议）、以及小米官方发布公告。定价在 OpenRouter、官方文档和四家媒体（北京日报、每经、21 财经、海外独立博客）之间完全一致，这个基础是牢的。
如果你还记得我早前写过的 MiMo-V2 评测，那一代还只是「性价比不错的国产模型」。V2.6 这次跨的步子大得多：全模态输入、1M 上下文、万亿参数 MoE，外加一份把失败过程都公开的训练日志。下面按「怎么选、怎么调、怎么部署、坑在哪」的顺序讲。
四款模型，先分清再选
这次发布实际有四个入口，不分明就上手容易选错：
| 模型 | 参数规模 | 定价（输入/输出 per 1M） | 适合谁 |
|---|---|---|---|
| MiMo-V2.6-Pro | 1.02T 总参 / 42B 激活（MoE） | $0.435 / $0.87 | 复杂长程任务、Agent、代码 |
| MiMo-V2.6-Flash | 约 310B 总参 / 15B 激活（社区数据，以官方技术报告为准） | $0.14 / $0.28 | 高频调用、批量处理 |
| Pro-UltraSpeed | 与 Pro 同权重，加速服务模式 | $4.35 / $8.70（Pro 的 10 倍） | 强实时交互 |
| MiMo-V2.6-Distill-Qwen-9B | 9B（Qwen3.5-9B 蒸馏） | 免费下载，本机跑 | 个人设备、RL 研究起点 |
三款都能读文本、图片、视频、音频四种输入，上下文窗口都是 1M token，最大输出 128K。Pro 和 Flash 的权重以 MIT 协议放在 HuggingFace 上，商用没有额外门槛；UltraSpeed 是纯 API 服务模式，权重不可下载。
第一个要提醒的选型误区：Flash 不是「Pro 的阉割版」，而是独立定位。Flash 的 API 价格只有 Pro 的三分之一，如果你的场景是「每分钟都在调、单次任务不大」的批处理，Flash 反而是更合理的默认项。把 Pro 当默认模型跑轻量任务是这次最容易多花钱的地方。
46.3 分的含金量：强在哪，弱在哪
总分之外，细分项更能说明这个模型的真实形状：
- 长上下文推理（AA-LCR）86.3%——1M 窗口不是摆设，这是全榜前列的水平
- HLE（Humanity’s Last Exam）49.4%、SciCode 60.9%——知识和科研编程都在线
- CritPt（科研级物理）26.6%、AA-Omniscience 准确率 34.8%——这两项明显偏弱
翻译一下：它擅长「给你一大堆材料做推理」的任务，弱在「前沿科研级硬推理」和「高难知识问答」。如果你要跑的是代码仓库级任务、长文档分析、多轮 Agent 工作流，这个分数结构是好消息；如果你要做的是数学前沿证明或知识密集型问答，开源阵营里它还不是最优解，别被「开源第一」四个字带偏。
API 上手：两条路，十分钟内能跑通
官方渠道是小米 MiMo 开放平台，模型名必须全小写（mimo-v2.6-pro / mimo-v2.6-flash / mimo-v2.6-pro-ultraspeed）；海外用户走 OpenRouter 更省事，模型 slug 是 xiaomi/mimo-v2.6-pro。两条路的接口都是 OpenAI 兼容格式，注册流程可以参考我之前整理的 OpenRouter 国产模型调用指南。
拿到 Key 之后，最快的验证方式是一条 curl（运行环境：任意装了 curl 的 macOS / Linux 终端，把 $OPENROUTER_API_KEY 换成你自己的）：
curl -N https://openrouter.ai/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-d '{
"model": "xiaomi/mimo-v2.6-pro",
"messages": [
{
"role": "user",
"content": [
{"type": "text", "text": "用一句话总结这张图的内容"},
{"type": "image_url", "image_url": {"url": "https://example.com/your-image.jpg"}}
]
}
]
}'Python 侧用 OpenAI SDK 换个 base_url 就行（运行环境：Python 3.10+，pip install openai）：
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="sk-or-v1-你的Key",
)
resp = client.chat.completions.create(
model="xiaomi/mimo-v2.6-pro",
messages=[{"role": "user", "content": "解释一下 MoE 架构里 expert load imbalance 是什么问题"}],
)
print(resp.choices[0].message.content)真正省钱的地方在缓存。Pro 的缓存命中输入价是 $0.0036/M，只有未命中价 $0.435 的 0.8%——不到百分之一。OpenRouter 后台显示这个模型过去三天的实际平均输入价被拉到了 $0.0379/M（缓存命中率 91.65%），也就是说真实用户的账单价格远低于标价。你的工作流越是重复携带同一段长 system prompt 或大上下文，省得越多。这个机制我在 DeepSeek 和 Claude 的文章里都强调过，MiMo 的缓存折扣力度是目前主流模型里最激进的一档。
我实际算了一笔账：单任务成本差出 40 倍
官方宣传「同等智能水平价格是海外模型的二十分之一到六十分之一」，这个说法太抽象，我写了个脚本按真实负载算（脚本在本机 macOS、Python 3.13 实际运行，数字可以直接复现）：
# cost_compare.py — 长程 Agent 任务成本对比
# 负载假设：一任务 50 轮工具调用，每轮 input 50K tokens（90% 缓存命中）+ output 2K tokens
PRICE = {
"MiMo-V2.6-Pro": dict(miss=0.435, hit=0.0036, out=0.87),
"MiMo-V2.6-Flash": dict(miss=0.14, hit=0.0028, out=0.28),
"Pro-UltraSpeed": dict(miss=4.35, hit=0.036, out=8.70),
"Claude Fable 5.1": dict(miss=10.0, hit=0.25, out=50.0),
}
ROUNDS, INPUT_K, OUT_K, HIT = 50, 50, 2, 0.9
t_miss = ROUNDS * INPUT_K * (1 - HIT) / 1000
t_hit = ROUNDS * INPUT_K * HIT / 1000
t_out = ROUNDS * OUT_K / 1000
for name, p in PRICE.items():
cost = t_miss * p["miss"] + t_hit * p["hit"] + t_out * p["out"]
print(f"{name:20s} ${cost:.4f} / 任务")我实际跑出来的结果（运行环境：macOS + Python 3.13.12，2026-09-23）：
| 模型 | 单任务成本 | 相对 Pro |
|---|---|---|
| MiMo-V2.6-Pro | $0.2038 | 1.0x |
| MiMo-V2.6-Flash | $0.0693 | 0.34x |
| Pro-UltraSpeed | $2.0385 | 10.0x |
| Claude Fable 5.1 | $8.0625 | 39.6x |
同样的长程 Agent 负载，Pro 跑一个任务两毛钱美元，Fable 5.1 要八块——40 倍的差距。这个估算和 Artificial Analysis 官方口径的「单任务成本 $0.13」在同一量级（他们用标准 benchmark 负载，我用的是更重的 Agent 假设），互相印证。结论很直接：如果你的任务对缓存友好，Pro 的性价比目前开源阵营没有对手。
官方数据里的两个坑，动手前先看
坑一：标准 Pro 的吞吐不快。 OpenRouter 直连小米的 P50 吞吐是 27 tok/s，P50 端到端延迟 3.23 秒起步。这个速度做后台批处理无所谓，做交互式聊天或实时 Agent 就会有明显的等待感。UltraSpeed 模式宣称最高 20 倍输出速度，代价是 10 倍定价——按我上面的账，UltraSpeed 单任务 $2.04，仍然比 Fable 5.1 便宜 4 倍，所以「既要智能又要速度」时它是个合理选项；但如果你只是嫌标准 Pro 慢就无脑切 UltraSpeed，先算算账单能不能接受。
坑二：工具调用错误率偏高。 OpenRouter 统计这个模型的 Tool Call Error Rate 是 10.17%、Structured Output Error Rate 是 9.37%。对比一下：混元 Hy4 的 function calling 错误率只有 0.49%（我 8 月底写它的时候专门提过）。也就是说十次工具调用里会有一次格式错误或调用失败，重工具调用的生产级 Agent 现在还不适合把它放在主力位，除非你的 harness 有完整的重试和校验逻辑。
个人用户能跑的 MiMo：9B 蒸馏版
Pro 是 1.02T 参数的 MoE，本地部署要的是多卡服务器，多卡推理方案可以参考我写过的 vLLM 部署指南，普通人不用惦记。但这次发布里藏着一个对个人用户友好得多的东西：MiMo-V2.6-Distill-Qwen-9B——小米把 MiMo 生成的数据拿去微调 Qwen3.5-9B 得到的蒸馏模型，MIT 协议，图 + 文输入，Model Tree 里挂了 29 个社区量化版，Ollama、LM Studio、llama.cpp 都能直接用。
它的能力账很能打：SWE-bench Verified 61.1（基座 Qwen3.5-9B 是 60.0），SWE-bench Pro 44.6（基座只有 32.0，提升 40%），最夸张的是网络安全方向——MiMo Cyber 31.3 对基座的 5.7，5.5 倍。9B 的体量、旗舰蒸馏的数据，这个组合在「本地能跑的小模型」里是值得认真考虑的。
官方推荐的文本生成部署方式是 SGLang（运行环境：Linux + NVIDIA GPU 或强 Apple Silicon 机器，pip install "sglang[all]"）：
sglang serve \
--model-path XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B \
--reasoning-parser mimo \
--host 0.0.0.0 \
--port 30000
# 客户端用 OpenAI SDK 指向 http://localhost:30000/v1
# 开启思考模式需要传 extra_body={"chat_template_kwargs": {"enable_thinking": True}}不想折腾框架的话，LM Studio / Ollama 里直接搜量化版更省事（具体流程见我之前的 Ollama 与 LM Studio 本地部署指南）。内存账先帮你算好：原版 BF16 权重约 18GB，16GB 内存的 Mac 装不下；4-bit 量化后约 5GB 出头，加上系统开销，16GB 机器跑得动，8GB 机器建议直接上云端 API。
这次发布里最值钱的可能不是权重，是那份训练日志
MiMo-V2.6 发布前，小米做了一件此前国内大模型厂商没做过的事：把强化学习后训练过程做成实时公开页面，直播了六天。仪表盘上能看到成本计数器（Pro $2,620,670、Flash $854,044，合计约 347 万美元）、30 个训练步、约 75 万条轨迹，也看到了失败记录——Pro 在第 17 步因为 expert 负载不均导致 GPU OOM 重启、grader 集群网络断连后重启、发现 cyber 数据集有坏模式后直接把它从训练里摘掉。
这套透明度的价值有两层。对普通用户，它把「训练一个开源旗舰要花多少钱」从传闻变成了可查的数字（不到六天、350 万美元上下，比大多数人想象的便宜）。对研究者，小米同时开源了 7,000 多个 RL 任务环境（覆盖软件工程、漏洞复现、知识密集型工作、网页开发四类）和基于 verl、uni-agent、mini-swe-agent 的端到端训练框架，并且给了明确的复现路径：从免费的 Distill-Qwen-9B 起步做 RL，官方数据显示 11 个基准全线提升（SWE-bench Verified 61.1 → 66.2，Terminal Bench 2.1 37.1 → 52.8）。换句话说，你不是只能下载一个训练完的模型，而是拿到了一份「怎么把它继续练强」的完整教程。对想自己动手做 agentic RL 的团队，这可能是整次发布里含金量最高的部分。
什么场景我不建议用
说点建议之外的判断。三类场景我暂时不会把 MiMo-V2.6 放进去：
- 重工具调用的生产 Agent——10% 量级的 tool call 错误率意味着你需要一层完整的重试与校验兜底，这层兜底的开发成本往往比省下的 API 钱更贵。纯文本推理、代码生成类任务没有这个问题。
- 对延迟敏感的实时交互——标准 Pro 的 27 tok/s 不够看，UltraSpeed 又要 10 倍价钱。对话类产品可以先用 Flash 或其他高吞吐模型顶着。
- 音频为主的中文多模态场景——它支持音频输入，但公开评测集中在代码和通用 Agent 上，中文语音理解的公开样本还太少，选型前等一等。
总体来说，MiMo-V2.6 是今年开源阵营分量最重的一次发布：榜单登顶是真的、价格优势是真的、全模态和 1M 上下文也是真的，短板同样清楚地写在数据里。想上手的话，路径很清楚：先在 OpenRouter 或小米开放平台拿个 Key，用上面那段 curl 跑通一次调用确认通路，再把你的真实工作流接进去观察缓存命中率——这个数字直接决定你的账单。本地部署则从 9B 蒸馏版的 4-bit 量化包开始，跑得动再谈别的。跑完之后欢迎回来聊聊你的实测结果。