OrcaCyber MiMo V2.6 Flash: stesso prezzo della sua variante, sette punti in più su CyberGym e quindici in meno nella riproduzione degli exploit

OrcaCyber MiMo V2.6 Flash Abliterated è stato rilasciato oggi con lo stesso listino di OrcaCyber Flash 1.0 — 0,80 $ in entrata e 1,60 $ in uscita per milione di token, 0,15 $ per lettura dalla cache, contesto da un milione di token, comportamento di rifiuto rimosso. Stesso prezzo, stessa finestra, stessa assenza di riserve. Ciò che li distingue è dove ciascuno è forte e, secondo le nostre misurazioni, i due profili sono quasi immagini speculari: la nuova build è in testa su CyberGym con sette punti di vantaggio e accusa quindici punti di ritardo rispetto al suo gemello nella riproduzione di exploit. Chiunque valuti un modello che si confronta direttamente con attività di sicurezza offensiva dovrebbe anche tenere presente il quadro più ampio, ed è ciò che l'Archivio degli incidenti AI di OrcaRouter esiste per raccogliere. Questo post illustra cosa è stato rilasciato, quali sono i numeri e quali carichi di lavoro ciascuna build si guadagna davvero.

Cosa è stato effettivamente spedito

MiMo V2.6 Flash è il checkpoint di efficienza di Xiaomi dalla sua release MiMo-V2.6 di settembre 2026: un modello sparse mixture-of-experts con 309 miliardi di parametri in totale e 15 miliardi attivi per token, con licenza MIT, con una context window di un milione di token. La build OrcaCyber è quel checkpoint con il comportamento di rifiuto rimosso dai pesi — abliteration, non fine-tuning: nessun corpus di retraining, nessuna nuova architettura, solo le direzioni lungo cui il modello rifiuta sottratte dalle matrici che le portano. È il terzo nome della linea OrcaCyber, dopo Nano e Zero, ed è quello costruito per il throughput.

La superficie di input è più ampia di quella del suo modello fratello. MiMo V2.6 Flash accetta testo, immagini, audio e video e restituisce testo, quindi una registrazione dello schermo di una sessione console, una chiamata registrata, un diagramma di rete o uno screenshot di uno stato di errore possono essere tutti analizzati nella stessa richiesta insieme al codice sorgente e a un log lungo. L'output è limitato a 131.072 token per risposta. Le modalità thinking e non-thinking sono entrambe disponibili con sforzo di ragionamento selezionabile, insieme al function calling nativo e all'output JSON strutturato, e il modello è raggiungibile tramite Chat Completions, OpenAI Responses e Anthropic Messages.

Il prezzo è identico, quindi il prezzo non decide nulla.

Entrambi i modelli hanno un prezzo di $0,80 per l'input e $1,60 per l'output per milione di token, con letture dalla cache a $0,15 — la stessa tariffa, al centesimo, e nessun ricarico aggiunto da parte nostra. Questo rende la scelta insolitamente semplice. Non c'è un modello più economico in cui convincerti a ripiegare e nessun livello premium da giustificare. L'unica domanda è quale insieme di righe corrisponde al lavoro che hai davanti.

L'accesso è l'altra cosa che i due condividono, e non è aperto a qualsiasi chiamante: entrambe le rotte stanno dietro un incarico, una passkey e i termini, che è la forma giusta per un modello il cui scopo è l'attività offensiva autorizzata. Prezzo e capacità sono pubblici; la possibilità di invocare l'una o l'altra no.

Due basi diverse sotto carte identiche

Le schede corrispondono perché il prezzo non dipende dalla base, e le basi non hanno la stessa forma. MiMo V2.6 Flash è un modello sparso da 309 miliardi di parametri con 15 miliardi attivi per token; il checkpoint DeepSeek dietro Flash 1.0 porta 552 miliardi di parametri con 16 miliardi attivi. Entrambi sono concessi in licenza MIT, entrambi sono stati modificati a livello di pesi anziché riaddestrati, ed entrambi arrivano con il comportamento di rifiuto rimosso.

Il pattern nei numeri è coerente con quella differenza senza dimostrarla: la base più piccola parte più rapidamente e fissa un tetto di output più basso, mentre quella più grande fa meglio sulle righe che richiedono di portare una lunga catena di exploit fino a un risultato funzionante. Il conteggio dei parametri di un modello è un pessimo predittore di qualsiasi singolo benchmark, quindi trattalo come contesto per leggere le righe anziché come una spiegazione delle stesse.

Dove vince il nuovo livello

• CyberGym — 95,1% per MiMo V2.6 Flash contro l'88,1% di Flash 1.0, un vantaggio di sette punti nella classifica di cyber-reasoning.

Primo token mediano — 928 ms contro 1.970 ms sul traffico del nostro playground, circa due volte più veloce all'avvio, con una velocità di generazione di 765,9 token al secondo contro 171,1.

Tipi di input — audio e video oltre a testo e immagine, che il modello gemello non accetta affatto.

Il dato sulla velocità merita una precisazione prima di essere usato per prendere una decisione: proviene da un solo giorno di chiamate al playground che trasportano complessivamente circa 17.500 token, mentre i numeri del modello gemello provengono da una finestra di sette giorni che trasporta 17,5 miliardi. Un solo giorno su una nuova rotta misura più una coda vuota che un modello. Considera affidabile la direzione — questa build è quella più veloce — e provvisorio il multiplo esatto finché la finestra non si riempie.

Dove cede terreno

• SEC-Bench Pro — 47,5% contro 62,8%, un deficit di 15,3 punti e il divario più ampio tra i due modelli su qualunque riga pubblichiamo.

• DeepSWE v1.1 — 67,9% contro 74,2%, 6,3 punti indietro.

• Terminal-Bench 2.1 — 87,6% contro 90,6%, 3,0 punti di distacco.

• Output massimo — 131.072 token rispetto a 393.216, un terzo dello spazio per un singolo artefatto lungo, come un report di audit completo o una catena di exploit annotata.

• Righe non ancora pubblicate — ExploitGym (15,3%) e GPQA Diamond (90,9%) esistono solo per Flash 1.0; la nuova build non ha ancora un dato comparabile.

La forma di quella lista è l'argomento. CyberGym premia il ragionamento su una superficie d'attacco; SEC-Bench Pro premia la riproduzione end-to-end di una vulnerabilità nota, ed è qui che il nuovo modello è sostanzialmente più debole. Se il lavoro è triage, revisione, detection engineering o spiegare cosa significa un log, il livello veloce è lo strumento migliore. Se il lavoro è trasformare una CVE in un proof of concept funzionante, il vantaggio di quindici punti del modello gemello è il numero che conta, e nessuna quantità di latenza compensa una riproduzione che non va a segno.

Che cosa sono questi numeri e che cosa non sono

Ogni benchmark in questo post è nostro. Le model card elencano CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym e GPQA Diamond con il nostro campo source, e nessuno dei due modelli OrcaCyber è stato valutato da un valutatore indipendente come Artificial Analysis. Questo conta più per un modello di sicurezza che per uno generalista, perché i benchmark stessi sono giovani e il divario tra "ha ragionato sulla vulnerabilità" e "ha riprodotto la vulnerabilità" è esattamente il punto in cui una riga autodichiarata può adulare un modello. Leggi i numeri come dati del fornitore con una metodologia pubblicata, non come risultati oggetto di audit, e riesegui i test sul tuo corpus prima che un percorso di produzione dipenda da essi.

Come scegliere

• Sviluppo di exploit, costruzione di proof-of-concept, validazione delle patch — Flash 1.0. È migliore di 15,3 punti sulla riga di riproduzione e di 6,3 su DeepSWE, e nessuno dei due è un margine che svanisce in caso di nuovo tentativo.

• Triage di log e cattura pacchetti, revisione del codice sicura su larga scala, ingegneria del rilevamento, loop di agenti che richiedono un primo token rapido — MiMo V2.6 Flash. Il primato in CyberGym e la classe di latenza puntano entrambi nella stessa direzione.

• Deliverable lunghi in un'unica passata — Flash 1.0, esclusivamente sul limite di output: 393.216 token contro 131.072.

• Registrazioni dello schermo, audio delle chiamate, diagrammi e dashboard — MiMo V2.6 Flash, l'unico dei due che li accetta.

Una volta abilitato l'accesso, entrambi i modelli stanno dietro un'unica chiave, quindi la scelta non deve essere definitiva e non richiede un secondo contratto né una modifica al codice: instradare per tipo di attività e lasciare che il failover automatico copra il caso in cui una route si degrada a metà esecuzione. Le regole di carico di lavoro sopra riportate sono nostre; i dati su cui si basano sono nelle pagine dei modelli.

Cosa guardare

Tre cose cambieranno questo quadro. La prima è un punteggio indipendente: finché qualcuno al di fuori del catalogo non eseguirà questi pesi attraverso un harness pubblico, il divario di exploit di quindici punti è la nostra misurazione e va citato come tale. La seconda è la finestra di latenza; una settimana di traffico reale sulla nuova rotta confermerà o ridurrà la differenza di velocità pari a due volte. La terza è la scheda dei benchmark stessa — un modello rilasciato oggi con quattro righe pubblicate e due righe mancanti è un modello il cui profilo è ancora in fase di definizione. La pagina del modello è il luogo che viene aggiornato per primo.

Nota sulle fonti: i punteggi dei benchmark, i prezzi, i limiti di contesto e di output sono le voci di catalogo di OrcaRouter per OrcaCyber MiMo V2.6 Flash Abliterated e OrcaCyber Flash 1.0, lette il 26 ottobre 2026, e sono autodichiarati anziché verificati in modo indipendente; i dati sulla latenza provengono dal nostro traffico del playground — un giorno e circa 17.500 token per la nuova build, sette giorni e 17,5 miliardi di token per il suo gemello — e non sono benchmark di produzione. I dettagli del modello di base (309 miliardi di parametri totali, 15 miliardi attivi, contesto da un milione di token, pesi MIT) provengono dal rilascio MiMo-V2.6 di Xiaomi; i 552 miliardi di parametri totali e i 16 miliardi attivi del checkpoint DeepSeek V4.1 Flash alla base di Flash 1.0 sono il dato di Artificial Analysis su quel modello. Le raccomandazioni sui carichi di lavoro e l'interpretazione delle righe dei benchmark sono nostre.