OrcaCyber MiMo V2.6 Flash: mesmo preço que o modelo irmão, sete pontos melhor no CyberGym e quinze pontos pior na Reprodução de Exploits

OrcaCyber MiMo V2.6 Flash Abliterated entrou hoje em operação com a mesma tabela de preços que OrcaCyber Flash 1.0 — US$ 0,80 de entrada e US$ 1,60 de saída por milhão de tokens, US$ 0,15 por leitura de cache, contexto de um milhão de tokens, comportamento de recusa removido. Mesmo preço, mesma janela, mesma ausência de evasivas. O que os separa é onde cada um é forte e, nas nossas próprias medições, os dois perfis são quase imagens espelhadas: a nova versão lidera o CyberGym por sete pontos e fica quinze pontos atrás da sua versão irmã na reprodução de exploits. Quem estiver a avaliar um modelo que se envolve diretamente em trabalho de segurança ofensiva também deve ter em conta o histórico mais amplo, que é exatamente o que o OrcaRouter AI Incident Archive se destina a reunir. Este artigo apresenta o que foi lançado, quais são os números e para que cargas de trabalho cada versão é realmente adequada.

O que realmente foi lançado

MiMo V2.6 Flash é o checkpoint de eficiência da Xiaomi do seu lançamento MiMo-V2.6 de setembro de 2026: um modelo esparso de mistura de especialistas com 309 bilhões de parâmetros no total e 15 bilhões ativos por token, licenciado sob MIT, com contexto de um milhão de tokens. A build OrcaCyber é esse checkpoint com o comportamento de recusa removido dos pesos — abliteração, não fine-tuning: sem corpus de retreinamento, sem nova arquitetura, apenas as direções ao longo das quais o modelo recusa subtraídas das matrizes que as carregam. É o terceiro nome da linha OrcaCyber, depois de Nano e Zero, e é o modelo feito para throughput.

A superfície de entrada é mais ampla que a de seu irmão. O MiMo V2.6 Flash aceita texto, imagem, áudio e vídeo e retorna texto, portanto, uma gravação de tela de uma sessão de console, uma chamada capturada, um diagrama de rede ou uma captura de tela de um estado de erro podem todos ser analisados na mesma solicitação que o código-fonte e um log longo. A saída é limitada a 131.072 tokens por resposta. Os modos de pensamento e não pensamento estão ambos disponíveis, com esforço de raciocínio selecionável, além de chamada de funções nativa e saída JSON estruturada, e o modelo é acessível por meio de Chat Completions, OpenAI Responses e Anthropic Messages.

O preço é idêntico, portanto o preço não decide nada.

Ambos os modelos custam US$ 0,80 de entrada e US$ 1,60 de saída por milhão de tokens, com leituras de cache a US$ 0,15 — o mesmo cartão, ao centavo, e sem margem adicionada da nossa parte. Isso torna esta uma escolha excepcionalmente simples. Não há um modelo mais barato para se convencer a usar nem um nível premium a justificar. A única questão é qual conjunto de linhas corresponde ao trabalho à sua frente.

O acesso é a outra coisa que os dois compartilham, e não está aberto a qualquer solicitante: ambas as rotas ficam atrás de um engajamento, de uma passkey e dos termos, o que é o formato adequado para um modelo cujo propósito é trabalho ofensivo autorizado. Preço e capacidade são públicos; a possibilidade de chamar qualquer um dos dois não é.

Duas bases diferentes sob cartas idênticas

Os cartões correspondem porque o preço não depende da base, e as bases não têm o mesmo formato. O MiMo V2.6 Flash é um modelo esparso de 309 bilhões de parâmetros com 15 bilhões ativos por token; o checkpoint DeepSeek por trás do Flash 1.0 carrega 552 bilhões de parâmetros com 16 bilhões ativos. Ambos têm licença MIT, ambos foram editados no nível dos pesos em vez de retreinados, e ambos chegam com o comportamento de recusa removido.

O padrão nos números é consistente com essa diferença sem prová-la: a base menor começa mais rápido e limita a saída a um nível mais baixo, enquanto a maior se sai melhor nas linhas que exigem levar uma longa cadeia de exploit até um resultado funcional. A contagem de parâmetros de um modelo é um fraco preditor de qualquer benchmark individual, então trate isso como contexto para ler as linhas, e não como uma explicação delas.

Onde o novo nível vence

• CyberGym — 95,1% para o MiMo V2.6 Flash contra 88,1% do Flash 1.0, uma vantagem de sete pontos no quadro de raciocínio cibernético.

• Mediana do primeiro token — 928 ms contra 1.970 ms no tráfego do nosso playground, aproximadamente duas vezes mais rápido para iniciar, com uma taxa de saída de 765,9 tokens por segundo contra 171,1.

• Tipos de entrada — áudio e vídeo além de texto e imagem, que o irmão não aceita de forma alguma.

O valor de velocidade merece uma ressalva antes de ser usado para tomar uma decisão: ele vem de um dia de chamadas no playground carregando cerca de 17.500 tokens no total, enquanto os números do modelo irmão vêm de uma janela de sete dias carregando 17,5 bilhões. Um único dia em uma nova rota mede mais uma fila vazia do que um modelo. Trate a direção — esta build é a mais rápida — como confiável, e o múltiplo exato como provisório até a janela se completar.

Onde cede terreno

• SEC-Bench Pro — 47,5% contra 62,8%, um déficit de 15,3 pontos e a maior diferença entre os dois modelos em qualquer linha que publicamos.

• DeepSWE v1.1 — 67,9% contra 74,2%, 6,3 pontos atrás.

• Terminal-Bench 2.1 — 87,6% contra 90,6%, 3,0 pontos atrás.

• Saída máxima — 131.072 tokens contra 393.216, um terço do espaço para um único artefato longo, como um relatório de auditoria completo ou uma cadeia de exploração anotada.

• Linhas ainda não publicadas — ExploitGym (15,3%) e GPQA Diamond (90,9%) existem apenas para o Flash 1.0; a nova versão ainda não tem um número comparável.

A forma dessa lista é o argumento. O CyberGym recompensa o raciocínio sobre uma superfície de ataque; o SEC-Bench Pro recompensa reproduzir de ponta a ponta uma vulnerabilidade conhecida, e é aí que o novo modelo é materialmente mais fraco. Se o trabalho for triagem, revisão, engenharia de detecção ou explicar o que um log significa, a camada rápida é o melhor instrumento. Se o trabalho for transformar um CVE em uma prova de conceito funcional, a vantagem de quinze pontos do modelo irmão é o número que importa, e nenhuma quantidade de latência compensa uma reprodução que não se concretiza.

O que estes números são e o que não são

Todos os benchmarks deste post são nossos. Os model cards listam CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym e GPQA Diamond com nosso próprio campo de origem, e nenhum dos modelos OrcaCyber foi avaliado por um avaliador independente, como o Artificial Analysis. Isso importa mais para um modelo de segurança do que para um modelo de uso geral, porque os próprios benchmarks são recentes e a diferença entre "raciocinou sobre a vulnerabilidade" e "reproduziu a vulnerabilidade" é exatamente onde uma linha autodeclarada pode favorecer indevidamente um modelo. Leia os números como dados do fornecedor com uma metodologia publicada, não como resultados auditados, e refaça os testes no seu próprio corpus antes que um caminho de produção dependa deles.

Como escolher

• Desenvolvimento de exploits, construção de provas de conceito, validação de patches — Flash 1.0. É 15,3 pontos melhor na linha de reprodução e 6,3 melhor no DeepSWE, e nenhuma dessas margens evapora em caso de nova tentativa.

• Triagem de logs e capturas de pacotes, revisão de código seguro em volume, engenharia de detecção, loops de agentes que precisam de um primeiro token rápido — MiMo V2.6 Flash. A liderança no CyberGym e a classe de latência apontam na mesma direção.

• Entregáveis longos em passagem única — Flash 1.0, puramente no limite de saída: 393.216 tokens contra 131.072.

• Gravações de tela, áudio de chamadas, diagramas e painéis — MiMo V2.6 Flash, que é o único dos dois que os aceita.

Assim que o acesso estiver habilitado, ambos os modelos ficam atrás de uma única chave, portanto a escolha não precisa ser permanente nem exigir um segundo contrato ou alteração de código: encaminhe por tipo de tarefa e deixe o failover automático cobrir o caso em que uma rota se degrada durante a execução. As regras de carga de trabalho acima são nossas; os números em que elas se baseiam estão nas páginas dos modelos.

O que assistir

Três coisas mudarão este quadro. A primeira é uma pontuação independente: até que alguém fora do catálogo execute estes pesos num harness público, a lacuna de exploit de quinze pontos é a nossa medição e deve ser citada como tal. A segunda é a janela de latência; uma semana de tráfego real na nova rota confirmará a diferença de velocidade de duas vezes ou a reduzirá. A terceira é a própria folha de benchmark — um modelo lançado hoje com quatro linhas publicadas e duas linhas ausentes é um modelo cujo perfil ainda está sendo desenhado. A página do modelo é o lugar que é atualizado primeiro.

Nota de fontes: as pontuações de benchmark, os preços, o contexto e os limites de saída são entradas do próprio catálogo da OrcaRouter para o OrcaCyber MiMo V2.6 Flash Abliterated e o OrcaCyber Flash 1.0, consultadas em 26 de outubro de 2026, e são autorrelatadas, e não auditadas de forma independente; os números de latência são do tráfego do nosso playground — um dia e cerca de 17.500 tokens para a nova versão, sete dias e 17,5 bilhões de tokens para a versão irmã — e não são benchmarks de produção. Os detalhes do modelo-base (309 bilhões de parâmetros totais, 15 bilhões ativos, contexto de um milhão de tokens, pesos MIT) vêm do lançamento do MiMo-V2.6 da Xiaomi; os 552 bilhões de parâmetros totais e 16 bilhões de parâmetros ativos do checkpoint DeepSeek V4.1 Flash por trás do Flash 1.0 são o registro da Artificial Analysis para esse modelo. As recomendações de carga de trabalho e a interpretação das linhas do benchmark são nossas.