OrcaCyber MiMo V2.6 Flash: Harga Sama dengan Saudaranya, Tujuh Poin Lebih Baik di CyberGym dan Lima Belas Poin Lebih Buruk dalam Reproduksi Eksploit

OrcaCyber MiMo V2.6 Flash Abliterated resmi diluncurkan hari ini dengan skema tarif yang sama seperti OrcaCyber Flash 1.0 — $0.80 masuk dan $1.60 keluar per juta token, pembacaan cache $0.15, konteks satu juta token, perilaku penolakan dihilangkan. Harga sama, jendela sama, sama-sama tanpa sikap mengelak. Yang membedakan keduanya adalah di mana masing-masing unggul, dan berdasarkan pengukuran kami sendiri, kedua profil itu nyaris merupakan bayangan cermin satu sama lain: build baru memimpin CyberGym dengan selisih tujuh poin dan tertinggal lima belas poin dari saudaranya dalam reproduksi eksploit. Siapa pun yang mempertimbangkan model yang terlibat langsung dalam pekerjaan keamanan ofensif juga harus memperhatikan catatan yang lebih luas, yang memang menjadi tujuan the OrcaRouter AI Incident Archive untuk mengumpulkannya. Pos ini menguraikan apa yang diluncurkan, bagaimana angka-angkanya, dan beban kerja mana yang benar-benar cocok untuk setiap build.

Apa yang sebenarnya dirilis

MiMo V2.6 Flash adalah checkpoint efisiensi Xiaomi dari rilis MiMo-V2.6 September 2026: model sparse mixture-of-experts dengan total 309 miliar parameter dan 15 miliar aktif per token, berlisensi MIT, dengan konteks satu juta token. Build OrcaCyber adalah checkpoint tersebut dengan perilaku penolakan yang diedit keluar dari bobotnya — abliterasi, bukan fine-tuning: tanpa korpus pelatihan ulang, tanpa arsitektur baru, hanya arah penolakan model yang dikurangkan dari matriks yang membawanya. Ini adalah nama ketiga dalam lini OrcaCyber, setelah Nano dan Zero, dan merupakan yang dibangun untuk throughput.

Cakupan inputnya lebih luas daripada model saudaranya. MiMo V2.6 Flash menerima teks, gambar, audio, dan video serta menghasilkan teks, sehingga rekaman layar sesi konsol, panggilan yang terekam, diagram jaringan, atau tangkapan layar kondisi error semuanya dapat dianalisis dalam permintaan yang sama bersama kode sumber dan log panjang. Output dibatasi hingga 131.072 token per respons. Mode berpikir dan non-berpikir sama-sama tersedia dengan upaya penalaran yang dapat dipilih, bersama pemanggilan fungsi native dan output JSON terstruktur, dan model dapat diakses melalui Chat Completions, OpenAI Responses, dan Anthropic Messages.

Harganya sama persis, jadi harga tidak menentukan apa pun.

Kedua model berada pada $0.80 untuk input dan $1.60 untuk output per juta token, dengan pembacaan cache sebesar $0.15 — kartu yang sama, hingga ke sen, dan tanpa markup tambahan dari pihak kami. Itu menjadikan ini pilihan yang luar biasa bersih. Tidak ada model yang lebih murah untuk membuat Anda membujuk diri sendiri, dan tidak ada tier premium yang perlu dibenarkan. Satu-satunya pertanyaan adalah kumpulan baris mana yang cocok dengan pekerjaan di depan Anda.

Akses adalah {{1}}hal lain yang dimiliki bersama oleh keduanya{{/1}}, dan akses itu tidak terbuka bagi pemanggil mana pun: kedua rute berada di balik {{2}}sebuah penugasan, passkey, dan ketentuan{{/2}}, yang merupakan bentuk yang tepat untuk model yang tujuannya adalah pekerjaan ofensif yang sah. Harga dan kemampuan bersifat publik; kemampuan untuk memanggil salah satunya tidak.

Dua basis berbeda di bawah kartu yang identik

Kartu-kartunya cocok karena harga tidak bergantung pada base, dan base-nya tidak memiliki bentuk yang sama. MiMo V2.6 Flash adalah model sparse 309 miliar parameter dengan 15 miliar aktif per token; checkpoint DeepSeek di balik Flash 1.0 membawa 552 miliar parameter dengan 16 miliar aktif. Keduanya berlisensi MIT, keduanya diedit pada tingkat bobot alih-alih dilatih ulang, dan keduanya hadir dengan perilaku penolakan yang dihapus.

Pola dalam angka-angka tersebut konsisten dengan perbedaan itu tanpa membuktikannya: basis yang lebih kecil mulai lebih cepat dan memiliki batas output yang lebih rendah, sedangkan yang lebih besar lebih baik pada baris-baris yang memerlukan penerusan rantai eksploitasi panjang hingga hasil yang berfungsi. Jumlah parameter model merupakan prediktor yang buruk untuk tolok ukur tunggal mana pun, jadi anggap ini sebagai konteks untuk membaca baris-baris tersebut, bukan sebagai penjelasannya.

Di mana tier baru unggul

• CyberGym — 95,1% untuk MiMo V2.6 Flash dibandingkan 88,1% untuk Flash 1.0, keunggulan tujuh poin di papan penalaran siber.

• Median token pertama — 928 ms dibandingkan 1.970 ms pada lalu lintas playground kami, sekitar dua kali lebih cepat untuk memulai, dengan laju keluaran 765,9 token per detik dibandingkan 171,1.

• Jenis input — audio dan video selain teks dan gambar, yang sama sekali tidak diterima oleh versi saudaranya.

Angka kecepatan itu perlu diberi catatan sebelum dipakai untuk mengambil keputusan: angka tersebut berasal dari satu hari panggilan playground yang membawa total sekitar 17.500 token, sedangkan angka saudaranya berasal dari jendela tujuh hari yang membawa 17,5 miliar. Satu hari pada rute baru lebih mengukur antrean kosong daripada mengukur sebuah model. Anggap arahnya — build ini adalah yang lebih cepat — dapat diandalkan, dan kelipatan persisnya bersifat sementara sampai jendelanya terisi.

Di mana ia mundur

• SEC-Bench Pro — 47,5% dibandingkan 62,8%, selisih 15,3 poin dan kesenjangan terbesar antara kedua model di antara semua baris yang kami terbitkan.

• DeepSWE v1.1 — 67,9% berbanding 74,2%, tertinggal 6,3 poin.

• Terminal-Bench 2.1 — 87,6% dibandingkan dengan 90,6%, tertinggal 3,0 poin.

• Keluaran maksimum — 131.072 token dibandingkan 393.216, sepertiga ruang untuk satu artefak panjang seperti laporan audit lengkap atau rantai eksploitasi beranotasi.

• Baris yang belum dipublikasikan — ExploitGym (15.3%) dan GPQA Diamond (90.9%) hanya tersedia untuk Flash 1.0; build baru belum memiliki angka yang sebanding.

Bentuk daftar itu adalah argumennya. CyberGym memberi imbalan atas penalaran tentang permukaan serangan; SEC-Bench Pro memberi imbalan atas reproduksi kerentanan yang diketahui dari awal hingga akhir, dan di situlah model baru secara material lebih lemah. Jika pekerjaannya adalah triase, tinjauan, rekayasa deteksi, atau menjelaskan makna suatu log, tier cepat adalah instrumen yang lebih baik. Jika pekerjaannya adalah mengubah CVE menjadi proof of concept yang berfungsi, keunggulan lima belas poin dari model saudaranya adalah angka yang penting, dan serendah apa pun latensinya tidak dapat menutupi reproduksi yang tidak membuahkan hasil.

Apa yang dimaksud dengan angka-angka ini, dan apa yang bukan.

Setiap benchmark dalam posting ini adalah milik kami. Kartu model mencantumkan CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym, dan GPQA Diamond dengan kolom sumber milik kami sendiri, dan tidak satu pun model OrcaCyber telah dinilai oleh evaluator independen seperti Artificial Analysis. Hal itu lebih penting bagi model keamanan daripada bagi model umum, karena benchmark-nya sendiri masih baru dan kesenjangan antara "menalar tentang kerentanan" dan "mereproduksi kerentanan" tepat berada di titik ketika baris yang dilaporkan sendiri dapat membuat model tampak lebih baik. Bacalah angka-angka itu sebagai angka vendor dengan metodologi yang dipublikasikan, bukan sebagai hasil yang telah diaudit, dan uji ulang pada korpus Anda sendiri sebelum jalur produksi bergantung padanya.

Cara memilih

• Pengembangan eksploit, pembuatan proof-of-concept, validasi patch — Flash 1.0. Ini 15,3 poin lebih baik pada baris reproduksi dan 6,3 lebih baik pada DeepSWE, dan keduanya bukan margin yang menguap saat dicoba ulang.

• Triase log dan packet capture, tinjauan kode aman dalam volume besar, rekayasa deteksi, loop agen yang membutuhkan token pertama dengan cepat — MiMo V2.6 Flash. Hasil terdepan di CyberGym dan kelas latensinya sama-sama mengarah ke kesimpulan yang sama.

• Hasil sekali jalan yang panjang — Flash 1.0, murni pada batas keluaran: 393,216 token dibandingkan 131,072.

• Rekaman layar, audio panggilan, diagram, dan dasbor — MiMo V2.6 Flash, satu-satunya dari keduanya yang menerima semua itu.

Setelah akses diaktifkan, kedua model berada di balik satu kunci, sehingga pilihan tersebut tidak harus permanen dan tidak memerlukan kontrak kedua atau perubahan kode: rutekan berdasarkan jenis tugas, dan biarkan failover otomatis menangani kasus ketika salah satu rute mengalami penurunan di tengah proses. Aturan beban kerja di atas adalah milik kami; angka yang menjadi dasarnya ada di halaman model.

Apa yang harus ditonton

Tiga hal akan mengubah gambaran ini. Yang pertama adalah skor independen: sampai seseorang di luar katalog menjalankan bobot ini melalui harness publik, kesenjangan exploit lima belas poin adalah hasil pengukuran kami dan harus dikutip sebagai demikian. Yang kedua adalah jendela latensi; seminggu lalu lintas nyata pada rute baru akan mengonfirmasi perbedaan kecepatan dua kali lipat atau menyusutkannya. Yang ketiga adalah lembar benchmark itu sendiri — model yang dirilis hari ini dengan empat baris terpublikasi dan dua baris hilang adalah model yang profilnya masih digambar. Halaman model adalah tempat yang pertama kali diperbarui.

Catatan sumber: skor benchmark, harga, batas konteks dan output adalah entri katalog OrcaRouter sendiri untuk OrcaCyber MiMo V2.6 Flash Abliterated dan OrcaCyber Flash 1.0, dibaca pada 26 Oktober 2026, dan dilaporkan sendiri alih-alih diaudit secara independen; angka latensi adalah trafik playground kami — satu hari dan sekitar 17.500 token untuk build baru, tujuh hari dan 17,5 miliar token untuk saudaranya — dan bukan benchmark produksi. Detail model dasar (309 miliar parameter total, 15 miliar aktif, konteks satu juta token, bobot MIT) berasal dari rilis MiMo-V2.6 Xiaomi; 552 miliar parameter total dan 16 miliar parameter aktif untuk checkpoint DeepSeek V4.1 Flash di balik Flash 1.0 adalah catatan Artificial Analysis tentang model tersebut. Rekomendasi beban kerja dan interpretasi baris benchmark adalah milik kami.