OrcaCyber MiMo V2.6 Flash: באותו מחיר כמו האח, עדיף בשבע נקודות ב-CyberGym וגרוע יותר בחמש עשרה נקודות בשחזור אקספלוייט

OrcaCyber MiMo V2.6 Flash Abliterated עלה לאוויר היום באותה טבלת מחירים של OrcaCyber Flash 1.0 — $0.80 לקלט ו-$1.60 לפלט למיליון טוקנים, $0.15 לקריאת מטמון, חלון הקשר של מיליון טוקנים, והתנהגות סירוב שהוסרה. אותו מחיר, אותו חלון, ואותה היעדר הסתייגות. מה שמבדיל ביניהם הוא היכן כל אחד מהם חזק, ולפי המדידות שלנו שני הפרופילים קרובים לתמונת מראה: הגרסה החדשה מובילה את CyberGym בשבע נקודות ומפגרת אחרי אחיה בחמש־עשרה נקודות בשחזור ניצול פרצות. כל מי ששוקל מודל שעוסק ישירות בעבודת אבטחה התקפית צריך גם לשמור על התמונה הרחבה לנגד עיניו, וזה מה שthe OrcaRouter AI Incident Archive נועד לאסוף. הפוסט הזה מפרט מה שוחרר, מה המספרים, ואילו עומסי עבודה כל גרסה באמת מצדיקה.

מה שנשלח בפועל

MiMo V2.6 Flash הוא צ'קפוינט היעילות של Xiaomi משחרור MiMo-V2.6 שלה מספטמבר 2026: מודל דליל מסוג תערובת מומחים עם 309 מיליארד פרמטרים בסך הכול ו-15 מיליארד פעילים לכל טוקן, ברישיון MIT, עם הקשר של מיליון טוקנים. גרסת OrcaCyber היא אותו צ'קפוינט שבה התנהגות הסירוב הוסרה מהמשקלים — אבליטרציה, לא כוונון עדין: ללא קורפוס אימון מחדש, ללא ארכיטקטורה חדשה, רק כיווני הסירוב של המודל מופחתים מהמטריצות שנושאות אותם. זהו השם השלישי בסדרת OrcaCyber, אחרי Nano ו-Zero, והוא זה שנבנה עבור תפוקה.

מנעד הקלט רחב יותר מזה של הדגם האח. MiMo V2.6 Flash מקבל טקסט, תמונה, אודיו ווידאו ומחזיר טקסט, כך שאפשר לבצע הסקה על הקלטת מסך של סשן קונסולה, שיחה שהוקלטה, תרשים רשת או צילום מסך של מצב שגיאה — כולם באותה בקשה עם קוד מקור ולוג ארוך. הפלט מוגבל ל-131,072 טוקנים לתגובה. מצבי חשיבה ואי-חשיבה זמינים עם מאמץ הסקה לבחירה, לצד קריאה לפונקציות נייטיבית ופלט JSON מובנה, והמודל נגיש דרך Chat Completions, OpenAI Responses ו-Anthropic Messages.

המחיר זהה, לכן המחיר אינו קובע דבר

שני המודלים מתומחרים ב-$0.80 לקלט וב-$1.60 לפלט למיליון טוקנים, כשקריאות מהמטמון עומדות על $0.15 — אותו כרטיס מחירים, עד הסנט, ובלי תוספת מחיר מצדנו. זה הופך את הבחירה לפשוטה באופן יוצא דופן. אין מודל זול יותר שאפשר לשכנע את עצמך לבחור בו, ואין שכבת פרימיום שצריך להצדיק. השאלה היחידה היא איזו קבוצת שורות מתאימה לעבודה שלפניך.

גישה היא הדבר הנוסף שהשניים חולקים, והיא אינה פתוחה לכל פונה: שני המסלולים יושבים מאחורי התקשרות, מפתח גישה ותנאים, וזו הצורה הנכונה למודל שמטרתו היא עבודה התקפית מורשית. המחיר והיכולת גלויים לציבור; היכולת לפנות אל אחד מהם אינה.

שני בסיסים שונים תחת קלפים זהים

הכרטיסים תואמים מפני שהמחיר אינו תלוי בבסיס, והבסיסים אינם באותה צורה. {{1}}MiMo V2.6 Flash{{/1}} הוא מודל דליל בעל 309 מיליארד פרמטרים עם 15 מיליארד פעילים לכל טוקן; הצ'קפוינט של {{2}}DeepSeek{{/2}} שמאחורי Flash 1.0 נושא 552 מיליארד פרמטרים עם 16 מיליארד פעילים. שניהם ברישיון MIT, שניהם נערכו ברמת המשקלים ולא אומנו מחדש, ושניהם מגיעים כשהתנהגות הסירוב הוסרה.

הדפוס במספרים עקבי עם ההבדל הזה בלי להוכיח אותו: המודל הבסיסי הקטן יותר מתחיל מהר יותר ותקרת התפוקה שלו נמוכה יותר, בעוד שהגדול יותר מצליח יותר בשורות שמחייבות הובלה של שרשרת ניצול ארוכה עד לתוצאה עובדת. מספר הפרמטרים של מודל הוא מנבא גרוע לכל מבחן בודד, ולכן יש להתייחס לזה כהקשר לקריאת השורות ולא כהסבר להן.

איפה שהדרג החדש מנצח

• CyberGym — 95.1% עבור MiMo V2.6 Flash לעומת 88.1% עבור Flash 1.0, יתרון של שבע נקודות בלוח הסייבר-היגיון.

• טוקן ראשון חציוני — 928 מילי־שניות לעומת 1,970 מילי־שניות בתעבורת ה-playground שלנו, כלומר מהירות התחלה כפולה בערך, עם קצב פלט של 765.9 טוקנים לשנייה לעומת 171.1.

• סוגי קלט — שמע ווידאו בנוסף לטקסט ותמונה, שאחיו אינו מקבל כלל.

נתון המהירות מחייב הסתייגות לפני שמשתמשים בו כדי לקבל החלטה: הוא מגיע מיום אחד של קריאות playground שנושאות בסך הכול כ-17,500 טוקנים, ואילו המספרים של המודל האח מגיעים מחלון של שבעה ימים שנושא 17.5 מיליארד. יום בודד על מסלול חדש מודד תור ריק יותר משאשר הוא מודד מודל. התייחסו לכיוון — הבילד הזה הוא המהיר יותר — כאל אמין, ולמכפיל המדויק כאל זמני עד שהחלון יתמלא.

היכן שזה נסוג

• SEC-Bench Pro — 47.5% לעומת 62.8%, פער של 15.3 נקודות והפער הגדול ביותר בין שני המודלים בכל שורה שאנו מפרסמים.

• DeepSWE v1.1 — 67.9% לעומת 74.2%, בפיגור של 6.3 נקודות.

• Terminal-Bench 2.1 — 87.6% לעומת 90.6%, בפער של 3.0 נקודות.

פלט מקסימלי — 131,072 טוקנים מול 393,216, שליש מהמקום לתוצר ארוך בודד כגון דוח ביקורת מלא או שרשרת ניצול מוערת.

• שורות שטרם פורסמו — ExploitGym (15.3%) ו-GPQA Diamond (90.9%) קיימים עבור Flash 1.0 בלבד; לגרסה החדשה אין עדיין נתון בר-השוואה.

צורתה של הרשימה ההיא היא הטיעון. CyberGym מתגמל חשיבה על משטח תקיפה; SEC-Bench Pro מתגמל שחזור של פגיעות ידועה מקצה לקצה, ושם המודל החדש חלש מהותית. אם העבודה היא מיון, סקירה, הנדסת זיהוי או הסבר מה משמעותו של יומן, הדרג המהיר הוא הכלי הטוב יותר. אם העבודה היא להפוך CVE להוכחת היתכנות עובדת, היתרון של חמש־עשרה נקודות של המודל האח הוא המספר שחשוב, ושום כמות של השהיה לא מפצה על שחזור שלא מצליח.

מה הם המספרים האלה, ומה הם לא.

כל בנצ'מרק בפוסט הזה הוא שלנו. כרטיסי המודל מפרטים את CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym ו-GPQA Diamond עם שדה מקור משלנו, ואף אחד מדגמי OrcaCyber לא קיבל ציון על ידי מעריך עצמאי כגון Artificial Analysis. זה חשוב יותר למודל אבטחה מאשר למודל כללי, מפני שהבנצ'מרקים עצמם צעירים והפער בין "נימוק לגבי הפגיעות" ל"שחזור הפגיעות" הוא בדיוק המקום שבו שורה שמדווחת על ידי הספק יכולה להחמיא למודל. יש לקרוא את המספרים כמספרי ספק עם מתודולוגיה מפורסמת, ולא כתוצאות מבוקרות, ולבדוק מחדש על קורפוס משלכם לפני שנתיב ייצור תלוי בהם.

איך לבחור

• פיתוח אקספלואיטים, בניית הוכחת היתכנות, אימות תיקונים — Flash 1.0. הוא טוב יותר ב־15.3 נקודות בשורת השחזור וב־6.3 יותר ב־DeepSWE, ואף אחד מהם אינו מרווח שמתנדף בניסיון חוזר.

• טריאז׳ של לוגים ולכידות מנות, סקירת קוד מאובטח בהיקף רחב, הנדסת זיהוי, לולאות סוכנים שזקוקות לטוקן ראשון במהירות — MiMo V2.6 Flash. ההובלה ב-CyberGym ומחלקת השהיה מצביעות שתיהן לאותו כיוון.

• תוצרים ארוכים במעבר יחיד — Flash 1.0, רק מבחינת תקרת הפלט: 393,216 טוקנים לעומת 131,072.

• הקלטות מסך, אודיו של שיחות, תרשימים ולוחות מחוונים — MiMo V2.6 Flash, שהוא היחיד מבין השניים שמקבל אותם.

לאחר שהגישה מופעלת, שני המודלים נמצאים מאחורי מפתח אחד, כך שהבחירה אינה חייבת להיות קבועה ואינה מחייבת חוזה נוסף או שינוי בקוד: נתבו לפי סוג המשימה, ותנו למעבר אוטומטי לגיבוי לכסות את המקרה שבו מסלול אחד נפגע באמצע הריצה. כללי עומס העבודה שלעיל הם שלנו; הנתונים שהם נשענים עליהם מופיעים בעמודי המודל.

מה לראות

שלושה דברים ישנו את התמונה הזו. הראשון הוא ציון עצמאי: עד שמישהו מחוץ לקטלוג יריץ את המשקלים האלה דרך הרנס ציבורי, פער הניצול של חמש־עשרה נקודות הוא המדידה שלנו ויש לצטט אותו ככזה. השני הוא חלון השהיה; שבוע של תנועה אמיתית בנתיב החדש יאשר את פער המהירות של פי שניים או יצמצם אותו. השלישי הוא גיליון הבנצ'מרק עצמו — מודל שהושק היום עם ארבע שורות מפורסמות ושתי שורות חסרות הוא מודל שהפרופיל שלו עדיין מצטייר. דף המודל הוא המקום שמתעדכן ראשון.

הערת מקורות: ציוני הבנצ'מרק, המחירים, אורך ההקשר ומגבלות הפלט הם רשומות הקטלוג של OrcaRouter עצמה עבור OrcaCyber MiMo V2.6 Flash Abliterated ו-OrcaCyber Flash 1.0, כפי שנקראו ב-26 באוקטובר 2026, והם מדווחים עצמית ולא נבדקו באופן בלתי תלוי; נתוני השהיה הם תעבורת ה-playground שלנו — יום אחד וכ-17,500 טוקנים עבור הגרסה החדשה, שבעה ימים ו-17.5 מיליארד טוקנים עבור המודל האח שלה — ואינם בנצ'מרקים שלproduction. פרטי מודל הבסיס (309 מיליארד פרמטרים בסך הכול, 15 מיליארד פעילים, הקשר של מיליון טוקנים, משקולות MIT) מגיעים מהשחרור של MiMo-V2.6 מבית Xiaomi; 552 מיליארד הפרמטרים בסך הכול ו-16 מיליארד הפרמטרים הפעילים עבור נקודת הביקורת DeepSeek V4.1 Flash שמאחורי Flash 1.0 הם הרשומה של Artificial Analysis לאותו מודל. ההמלצות לגבי עומסי עבודה והפרשנות של שורות הבנצ'מרק הן שלנו.