OrcaCyber MiMo V2.6 Flash: Gleicher Preis wie sein Schwestermodell, sieben Punkte besser bei CyberGym und fünfzehn Punkte schlechter bei Exploit Reproduction

OrcaCyber MiMo V2.6 Flash Abliterated ist heute zum selben Tarif live gegangen wie OrcaCyber Flash 1.0 — $0.80 Eingabe und $1.60 Ausgabe pro Million Tokens, ein Cache-Lesevorgang für $0.15, ein Kontextfenster von einer Million Tokens, Verweigerungsverhalten entfernt. Gleicher Preis, gleiches Kontextfenster, gleiche Abwesenheit von Relativierungen. Was sie unterscheidet, ist, wo jede ihre Stärken hat, und nach unseren eigenen Messungen sind die beiden Profile nahezu spiegelbildlich: Der neue Build liegt bei CyberGym sieben Punkte vorn und bei der Exploit-Reproduktion fünfzehn Punkte hinter seinem Geschwistermodell. Wer ein Modell abwägt, das sich direkt mit Offensive-Security-Arbeit befasst, sollte auch die umfassendere Datenlage im Blick behalten, die zu sammeln genau die Aufgabe des OrcaRouter AI Incident Archive ist. Dieser Beitrag legt dar, was ausgeliefert wurde, wie die Zahlen aussehen und für welche Workloads sich welcher Build tatsächlich empfiehlt.

Was tatsächlich ausgeliefert wurde

MiMo V2.6 Flash ist Xiaomis Effizienz-Checkpoint aus dem MiMo-V2.6-Release vom September 2026: ein Sparse-Mixture-of-Experts-Modell mit insgesamt 309 Milliarden Parametern und 15 Milliarden aktiven pro Token, MIT-lizenziert, mit einem Kontext von einer Million Token. Der OrcaCyber-Build ist dieser Checkpoint, bei dem das Verweigerungsverhalten aus den Gewichten entfernt wurde – Abliteration, kein Fine-Tuning: kein Trainingskorpus, keine neue Architektur, nur die Richtungen, entlang derer das Modell verweigert, subtrahiert von den Matrizen, die sie tragen. Es ist der dritte Name in der OrcaCyber-Reihe, nach Nano und Zero, und derjenige, der auf Durchsatz ausgelegt ist.

Die Eingabeoberfläche ist breiter als die des Schwestermodells. MiMo V2.6 Flash akzeptiert Text, Bilder, Audio und Video und gibt Text zurück, sodass eine Bildschirmaufnahme einer Konsolensitzung, ein aufgezeichnetes Telefonat, ein Netzwerkdiagramm oder ein Screenshot eines Fehlerzustands in derselben Anfrage wie Quellcode und ein langes Protokoll analysiert werden können. Die Ausgabe ist pro Antwort auf 131.072 Token begrenzt. Denk- und Nicht-Denk-Modus sind beide mit wählbarem Reasoning-Aufwand verfügbar, zusammen mit nativem Function Calling und strukturierter JSON-Ausgabe, und das Modell ist über Chat Completions, OpenAI Responses und Anthropic Messages erreichbar.

Der Preis ist identisch, also entscheidet der Preis nichts.

Beide Modelle liegen bei 0,80 $ für Input und 1,60 $ für Output pro Million Tokens, wobei Cache-Lesevorgänge 0,15 $ kosten – dieselbe Karte, auf den Cent genau, und ohne Aufschlag unsererseits. Das macht dies zu einer ungewöhnlich klaren Entscheidung. Es gibt kein günstigeres Modell, zu dem man sich überreden müsste, und keine Premium-Stufe, die zu rechtfertigen wäre. Die einzige Frage ist, welche Zeilen zu der Arbeit passen, die vor Ihnen liegt.

Zugang ist das andere, was die beiden gemeinsam haben, und er steht nicht jedem Aufrufer offen: Beide Routen liegen hinter einer Vereinbarung, einem Passkey und den Bedingungen – die richtige Form für ein Modell, dessen Zweck autorisierte offensive Arbeit ist. Preis und Fähigkeiten sind öffentlich; die Möglichkeit, eine der beiden aufzurufen, nicht.

Zwei verschiedene Basen unter identischen Karten

Die Karten passen zusammen, weil der Preis nicht von der Basis abhängt und die Basen nicht dieselbe Form haben. MiMo V2.6 Flash ist ein Sparse-Modell mit 309 Milliarden Parametern und 15 Milliarden aktiven pro Token; der DeepSeek-Checkpoint hinter Flash 1.0 umfasst 552 Milliarden Parameter mit 16 Milliarden aktiven. Beide sind MIT-lizenziert, beide wurden auf Ebene der Gewichte bearbeitet statt neu trainiert, und bei beiden wurde das Ablehnungsverhalten entfernt.

Das Muster in den Zahlen steht im Einklang mit diesem Unterschied, ohne ihn zu beweisen: Die kleinere Basis startet schneller und hat eine niedrigere Ausgabeobergrenze, während die größere bei den Zeilen besser abschneidet, die erfordern, eine lange Exploit-Kette zu einem funktionierenden Ergebnis zu tragen. Die Parameteranzahl eines Modells ist ein schlechter Prädiktor für einen einzelnen Benchmark. Betrachten Sie dies daher als Kontext zum Lesen der Zeilen und nicht als Erklärung für sie.

Wo die neue Stufe gewinnt

• CyberGym — 95,1 % für MiMo V2.6 Flash gegenüber 88,1 % für Flash 1.0, ein Vorsprung von sieben Punkten auf dem Cyber-Reasoning-Board.

• Median des ersten Tokens – 928 ms gegenüber 1.970 ms in unserem Playground-Traffic, etwa doppelt so schnell beim Start, bei einer Ausgaberate von 765,9 Token pro Sekunde gegenüber 171,1.

• Eingabetypen — Audio und Video zusätzlich zu Text und Bild, was das Schwestermodell überhaupt nicht akzeptiert.

Die Geschwindigkeitszahl verdient einen Vorbehalt, bevor sie zur Entscheidungsfindung herangezogen wird: Sie stammt aus einem Tag mit Playground-Aufrufen, die insgesamt etwa 17.500 Tokens umfassen, während die Zahlen des Schwestermodells aus einem Sieben-Tage-Fenster mit 17,5 Milliarden Tokens stammen. Ein einzelner Tag auf einer neuen Route misst eher eine leere Warteschlange als ein Modell. Betrachten Sie die Richtung – dieser Build ist der schnellere – als verlässlich und den genauen Faktor als vorläufig, bis sich das Fenster füllt.

Wo es Boden preisgibt

• SEC-Bench Pro — 47,5 % gegenüber 62,8 %, ein Rückstand von 15,3 Punkten und die größte Lücke zwischen den beiden Modellen in einer der von uns veröffentlichten Zeilen.

• DeepSWE v1.1 — 67,9 % gegenüber 74,2 %, 6,3 Punkte dahinter.

• Terminal-Bench 2.1 — 87,6 % gegenüber 90,6 %, 3,0 Punkte zurück.

• Maximale Ausgabe — 131.072 Token gegenüber 393.216, ein Drittel des Platzes für ein einzelnes langes Artefakt wie einen vollständigen Prüfbericht oder eine annotierte Exploit-Kette.

• Noch nicht veröffentlichte Zeilen — ExploitGym (15,3 %) und GPQA Diamond (90,9 %) gibt es nur für Flash 1.0; für den neuen Build liegt noch kein vergleichbarer Wert vor.

Die Form dieser Liste ist das Argument. CyberGym belohnt das Nachdenken über eine Angriffsfläche; SEC-Bench Pro belohnt die End-to-End-Reproduktion einer bekannten Schwachstelle, und genau dort ist das neue Modell wesentlich schwächer. Wenn es um Triage, Review, Detection Engineering oder darum geht, zu erklären, was ein Log bedeutet, ist die schnelle Stufe das bessere Instrument. Wenn es darum geht, aus einer CVE einen funktionierenden Proof of Concept zu machen, ist der Fünfzehn-Punkte-Vorsprung des Schwestermodells die Zahl, die zählt, und keine noch so geringe Latenz wiegt eine Reproduktion auf, die nicht gelingt.

Was diese Zahlen sind und was sie nicht sind

Jeder Benchmark in diesem Beitrag stammt von uns. Die Model Cards führen CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym und GPQA Diamond mit unserem eigenen Quellenfeld auf, und keines der OrcaCyber-Modelle wurde von einem unabhängigen Evaluator wie Artificial Analysis bewertet. Das ist bei einem Sicherheitsmodell wichtiger als bei einem allgemeinen, denn die Benchmarks selbst sind jung, und die Lücke zwischen „über die Schwachstelle nachgedacht“ und „die Schwachstelle reproduziert“ ist genau der Punkt, an dem eine selbst gemeldete Zeile ein Modell schmeichelhaft darstellen kann. Lesen Sie die Zahlen als Herstellerangaben mit einer veröffentlichten Methodik, nicht als geprüfte Ergebnisse, und testen Sie sie erneut an Ihrem eigenen Korpus, bevor ein Produktionspfad von ihnen abhängt.

Wie man wählt

• Exploit-Entwicklung, Erstellung von Proof-of-Concepts, Patch-Validierung — Flash 1.0. Es ist in der Reproduktionszeile 15,3 Punkte besser und bei DeepSWE 6,3 Punkte besser, und keiner der beiden Vorsprünge verflüchtigt sich bei einer Wiederholung.

• Triage von Logs und Paketmitschnitten, Secure-Code-Review in großem Umfang, Detection Engineering, Agenten-Loops, die schnell ein erstes Token brauchen — MiMo V2.6 Flash. Der CyberGym-Vorsprung und die Latenzklasse weisen beide in dieselbe Richtung.

• Lange Deliverables in einem einzigen Durchlauf — Flash 1.0, ausschließlich bezogen auf die Ausgabeobergrenze: 393,216 Token gegenüber 131,072.

• Bildschirmaufnahmen, Anrufaudio, Diagramme und Dashboards – MiMo V2.6 Flash, das als einziges der beiden diese akzeptiert.

Sobald der Zugang aktiviert ist, stehen beide Modelle hinter einem einzigen Schlüssel, sodass die Wahl nicht dauerhaft sein muss und weder einen zweiten Vertrag noch eine Codeänderung erfordert: Leiten Sie nach Aufgabentyp weiter, und lassen Sie automatisches Failover den Fall abdecken, dass eine Route während des Laufs schlechter wird. Die oben genannten Workload-Regeln stammen von uns; die Zahlen, auf denen sie beruhen, stehen auf den Modellseiten.

Was zu sehen

Drei Dinge werden dieses Bild verändern. Das erste ist eine unabhängige Bewertung: Solange niemand außerhalb des Katalogs diese Gewichte durch eine öffentliche Testumgebung laufen lässt, ist die Fünfzehn-Punkte-Exploit-Lücke unsere Messung und sollte auch so zitiert werden. Das zweite ist das Latenzfenster; eine Woche echten Datenverkehrs auf der neuen Route wird den Geschwindigkeitsunterschied um den Faktor zwei entweder bestätigen oder verringern. Das dritte ist die Benchmark-Tabelle selbst – ein Modell, das heute mit vier veröffentlichten und zwei fehlenden Zeilen ausgeliefert wird, ist ein Modell, dessen Profil noch gezeichnet wird. Die Modellseite ist die Stelle, die zuerst aktualisiert wird.

Quellenhinweis: Benchmark-Werte, Preise sowie Kontext- und Ausgabelimits sind OrcaRouters eigene Katalogeinträge für OrcaCyber MiMo V2.6 Flash Abliterated und OrcaCyber Flash 1.0, abgerufen am 26. Oktober 2026, und es handelt sich um Eigenangaben statt um unabhängig geprüfte Werte; die Latenzwerte stammen aus unserem Playground-Traffic – ein Tag und rund 17.500 Tokens für den neuen Build, sieben Tage und 17,5 Milliarden Tokens für das Schwestermodell – und sind keine Produktions-Benchmarks. Details zum Basismodell (309 Milliarden Parameter insgesamt, 15 Milliarden aktive, ein Kontext von einer Million Tokens, MIT-Gewichte) stammen aus Xiaomis MiMo-V2.6-Release; die 552 Milliarden Parameter insgesamt und 16 Milliarden aktive Parameter des hinter Flash 1.0 stehenden DeepSeek V4.1 Flash Checkpoints sind die von Artificial Analysis erfassten Werte für dieses Modell. Die Workload-Empfehlungen und die Interpretation der Benchmark-Zeilen stammen von uns.