OrcaCyber MiMo V2.6 Flash: ราคาเดียวกับรุ่นพี่ ดีกว่า 7 คะแนนบน CyberGym และแย่กว่า 15 คะแนนในการจำลองช่องโหว่
- Orcaใหม่OrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 109 tok/s
- Moonshotใหม่MoonshotAI: Kimi K3.1 Pro2026-10-2455ความฉลาด
- Orcaใหม่OrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 170 tok/s
- minimaxใหม่MiniMax: M3.1 Flash2026-10-1943ความฉลาด
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 42 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 130 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 926 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 228 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 1906 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
OrcaCyber MiMo V2.6 Flash Abliterated เปิดให้ใช้งานวันนี้ในอัตราค่าบริการเดียวกับ OrcaCyber Flash 1.0 — $0.80 ขาเข้าและ $1.60 ขาออกต่อล้านโทเค็น, การอ่านแคช $0.15, คอนเท็กซ์หนึ่งล้านโทเค็น, ตัดพฤติกรรมการปฏิเสธออกแล้ว ราคาเดียวกัน หน้าต่างบริบทเดียวกัน และไม่มีการเลี่ยงถ้อยคำแบบเดียวกัน สิ่งที่ทำให้ทั้งสองแตกต่างกันคือจุดแข็งของแต่ละรุ่น และจากการวัดของเราเอง โปรไฟล์ทั้งสองแทบจะเป็นภาพสะท้อนของกันและกัน: บิลด์ใหม่นำหน้า CyberGym อยู่เจ็ดคะแนน และตามหลังรุ่นพี่อยู่สิบห้าคะแนนในด้านการจำลอง exploit ใครก็ตามที่กำลังพิจารณาโมเดลที่เข้าไปทำงานด้านความปลอดภัยเชิงรุกโดยตรง ควรดูบันทึกภาพรวมที่กว้างกว่าด้วย ซึ่งเป็นสิ่งที่ the OrcaRouter AI Incident Archive มีไว้เพื่อรวบรวม บทความนี้อธิบายว่ามีอะไรเปิดตัวไปแล้ว ตัวเลขเป็นอย่างไร และแต่ละบิลด์เหมาะสมกับเวิร์กโหลดใดจริง ๆ
สิ่งที่ส่งมอบจริง
MiMo V2.6 Flash คือเช็กพอยต์ที่เน้นประสิทธิภาพของ Xiaomi จากรีลีส MiMo-V2.6 เมื่อเดือนกันยายน 2026 เป็นโมเดล sparse mixture-of-experts ที่มีพารามิเตอร์รวม 3.09 แสนล้านตัว และเปิดใช้งาน 1.5 หมื่นล้านตัวต่อโทเคน ใช้สัญญาอนุญาต MIT พร้อมบริบทหนึ่งล้านโทเคน บิลด์ OrcaCyber คือเช็กพอยต์นั้นที่พฤติกรรมการปฏิเสธถูกแก้ไขออกจากน้ำหนัก — abliteration ไม่ใช่ fine-tuning: ไม่มีคลังข้อมูลสำหรับฝึกใหม่ ไม่มีสถาปัตยกรรมใหม่ แค่ลบทิศทางที่โมเดลใช้ในการปฏิเสธออกจากเมทริกซ์ที่บรรจุทิศทางเหล่านั้น เป็นชื่อที่สามในสาย OrcaCyber ต่อจาก Nano และ Zero และเป็นรุ่นที่สร้างมาเพื่อทรูพุต
อินพุตที่รองรับกว้างกว่ารุ่นในตระกูลเดียวกัน MiMo V2.6 Flash รองรับข้อความ รูปภาพ เสียง และวิดีโอ แล้วส่งคืนข้อความ ดังนั้นการบันทึกหน้าจอของเซสชันคอนโซล การบันทึกเสียงบทสนทนา แผนผังเครือข่าย หรือภาพหน้าจอของสถานะข้อผิดพลาด จึงสามารถนำมาวิเคราะห์ร่วมกับซอร์สโค้ดและล็อกขนาดยาวได้ในคำขอเดียวกัน เอาต์พุตจำกัดไว้ที่ 131,072 โทเคนต่อการตอบกลับ มีทั้งโหมดคิดและโหมดไม่คิด พร้อมระดับความละเอียดในการให้เหตุผลที่เลือกได้ ควบคู่กับ native function calling และเอาต์พุต JSON แบบมีโครงสร้าง และโมเดลนี้เข้าถึงได้ผ่าน Chat Completions, OpenAI Responses และ Anthropic Messages
ราคาเท่ากัน ดังนั้นราคาจึงไม่ได้เป็นตัวตัดสินอะไร
ทั้งสองโมเดลมีราคาอยู่ที่ $0.80 สำหรับอินพุต และ $1.60 สำหรับเอาต์พุตต่อหนึ่งล้านโทเค็น โดยการอ่านจากแคชอยู่ที่ $0.15 — เป็นการ์ดเดียวกัน ตรงถึงระดับเซนต์ และเราไม่มีการบวกกำไรเพิ่มใด ๆ ทั้งสิ้น สิ่งนี้ทำให้เป็นทางเลือกที่สะอาดผิดปกติ ไม่มีโมเดลที่ถูกกว่าให้ต้องโน้มน้าวตัวเองให้เลือก และไม่มีระดับพรีเมียมให้ต้องหาเหตุผลมารองรับ คำถามเดียวคือชุดแถวใดที่ตรงกับงานตรงหน้าคุณ
การเข้าถึงเป็นอีกสิ่งหนึ่งที่ทั้งสองมีร่วมกัน และไม่ได้เปิดให้ผู้เรียกใช้รายใดก็ได้ ทั้งสองเส้นทางต้องผ่านสัญญาว่าจ้าง พาสคีย์ และข้อกำหนด ซึ่งเป็นรูปแบบที่เหมาะสมสำหรับโมเดลที่มีจุดประสงค์เพื่องานโจมตีที่ได้รับอนุญาต ราคาและความสามารถเป็นข้อมูลสาธารณะ แต่ความสามารถในการเรียกใช้เส้นทางใดเส้นทางหนึ่งไม่ใช่
ฐานที่แตกต่างกันสองฐานภายใต้การ์ดที่เหมือนกัน
การ์ดทั้งสองตรงกันเพราะราคาไม่ได้ขึ้นอยู่กับฐาน และฐานทั้งสองมีรูปร่างไม่เหมือนกัน MiMo V2.6 Flash เป็นโมเดลแบบ sparse ที่มีพารามิเตอร์ 3.09 แสนล้านตัว โดยมีพารามิเตอร์ที่ทำงานอยู่ 1.5 หมื่นล้านตัวต่อโทเคน ส่วนเช็กพอยต์ DeepSeek ที่อยู่เบื้องหลัง Flash 1.0 มีพารามิเตอร์ 5.52 แสนล้านตัว โดยมีพารามิเตอร์ที่ทำงานอยู่ 1.6 หมื่นล้านตัว ทั้งสองได้รับสัญญาอนุญาต MIT ทั้งคู่ถูกแก้ไขที่ระดับน้ำหนักแทนการฝึกใหม่ และทั้งคู่มาพร้อมกับการนำพฤติกรรมการปฏิเสธออกไป
รูปแบบในตัวเลขสอดคล้องกับความแตกต่างนั้น โดยไม่พิสูจน์ความแตกต่างนั้น: โมเดลฐานที่เล็กกว่าเริ่มต้นได้เร็วกว่าและจำกัดเอาต์พุตไว้ต่ำกว่า ขณะที่โมเดลฐานที่ใหญ่กว่าทำได้ดีกว่าในแถวที่ต้องพาสายโซ่เอ็กซ์พลอยต์ยาวๆ ไปจนถึงผลลัพธ์ที่ใช้งานได้ จำนวนพารามิเตอร์ของโมเดลเป็นตัวทำนายที่ไม่ดีสำหรับเบนช์มาร์กใดเพียงรายการเดียว ดังนั้นควรถือสิ่งนี้เป็นบริบทสำหรับการอ่านแถวต่างๆ มากกว่าจะเป็นคำอธิบายของแถวเหล่านั้น
จุดที่ระดับใหม่ได้เปรียบ
CyberGym — 95.1% สำหรับ MiMo V2.6 Flash เทียบกับ 88.1% สำหรับ Flash 1.0 ซึ่งนำอยู่เจ็ดจุดบนกระดานการให้เหตุผลด้านไซเบอร์
• ค่ามัธยฐานของโทเค็นแรก — 928 มิลลิวินาที เทียบกับ 1,970 มิลลิวินาทีบนทราฟฟิก playground ของเรา เริ่มได้เร็วขึ้นประมาณสองเท่า โดยมีอัตราเอาต์พุต 765.9 โทเค็นต่อวินาที เทียบกับ 171.1
• ประเภทอินพุต — เสียงและวิดีโอ นอกเหนือจากข้อความและรูปภาพ ซึ่งรุ่นพี่น้องไม่รองรับสิ่งเหล่านี้เลย
ตัวเลขความเร็วนี้ควรมีข้อควรระวังก่อนนำไปใช้ตัดสินใจ: ตัวเลขนี้มาจากการเรียกใช้งานใน playground หนึ่งวันซึ่งมีโทเคนรวมประมาณ 17,500 โทเคน ในขณะที่ตัวเลขของคู่เทียบมาจากช่วงเวลาเจ็ดวันที่มีโทเคนรวม 17.5 พันล้านโทเคน หนึ่งวันบนเส้นทางใหม่วัดคิวที่ว่างเปล่าได้มากกว่าวัดตัวโมเดล ให้ถือว่าทิศทาง — บิลด์นี้เป็นตัวที่เร็วกว่า — เชื่อถือได้ และให้ถือว่าตัวคูณที่แน่นอนเป็นเพียงชั่วคราวจนกว่าหน้าต่างข้อมูลจะเต็ม
จุดที่มันยอมถอย
• SEC-Bench Pro — 47.5% เทียบกับ 62.8% ถือเป็นส่วนต่าง 15.3 จุด และเป็นช่องว่างที่ใหญ่ที่สุดระหว่างสองโมเดลในทุกแถวที่เราเผยแพร่
• DeepSWE v1.1 — 67.9% เทียบกับ 74.2% ตามหลังอยู่ 6.3 จุด
• Terminal-Bench 2.1 — 87.6% เทียบกับ 90.6% ตามหลังอยู่ 3.0 คะแนน
• เอาต์พุตสูงสุด — 131,072 โทเค็น เทียบกับ 393,216 ซึ่งเป็นหนึ่งในสามของพื้นที่สำหรับอาร์ติแฟกต์ยาวชิ้นเดียว เช่น รายงานการตรวจสอบฉบับเต็ม หรือ exploit chain ที่มีคำอธิบายประกอบ
• แถวข้อมูลที่ยังไม่ได้เผยแพร่ — ExploitGym (15.3%) และ GPQA Diamond (90.9%) มีเฉพาะใน Flash 1.0 เท่านั้น; บิลด์ใหม่ยังไม่มีตัวเลขที่เทียบเคียงได้
รูปร่างของรายการนั้นคือข้อโต้แย้งในตัว CyberGym ให้รางวัลกับการให้เหตุผลเกี่ยวกับพื้นผิวการโจมตี ส่วน SEC-Bench Pro ให้รางวัลกับการจำลองช่องโหว่ที่รู้จักแบบครบวงจร และนั่นคือจุดที่โมเดลใหม่อ่อนแอกว่าอย่างมีนัยสำคัญ หากงานคือการคัดแยก การรีวิว วิศวกรรมการตรวจจับ หรือการอธิบายว่าล็อกหมายถึงอะไร ระดับความเร็วคือเครื่องมือที่ดีกว่า หากงานคือการเปลี่ยน CVE ให้เป็น proof of concept ที่ใช้งานได้ ข้อได้เปรียบ 15 คะแนนของโมเดลพี่น้องคือตัวเลขที่สำคัญ และความหน่วงที่ต่ำลงไม่ว่าจะมากเพียงใดก็ไม่อาจชดเชยการจำลองที่ไม่ประสบผลได้
ตัวเลขเหล่านี้คืออะไร และไม่ใช่อะไร
ทุก benchmark ในโพสต์นี้เป็นของเราเอง การ์ดโมเดลระบุ CyberGym, SEC-Bench Pro, DeepSWE, Terminal-Bench, ExploitGym และ GPQA Diamond พร้อมฟิลด์แหล่งที่มาของเราเอง และโมเดล OrcaCyber ทั้งสองยังไม่ได้รับการให้คะแนนโดยผู้ประเมินอิสระ เช่น Artificial Analysis เรื่องนี้สำคัญกับโมเดลด้านความปลอดภัยมากกว่าโมเดลทั่วไป เพราะตัว benchmark เองยังใหม่ และช่องว่างระหว่าง "ให้เหตุผลเกี่ยวกับช่องโหว่ได้" กับ "จำลองช่องโหว่ได้จริง" คือจุดที่แถวที่รายงานเองสามารถทำให้โมเดลดูดีเกินจริงได้ อ่านตัวเลขเหล่านี้เป็นตัวเลขจากผู้ขายที่มีระเบียบวิธีเผยแพร่ ไม่ใช่ผลลัพธ์ที่ผ่านการตรวจสอบ และทดสอบซ้ำกับคลังข้อมูลของคุณเองก่อนที่เส้นทางขึ้นโปรดักชันจะพึ่งพาตัวเลขเหล่านี้
วิธีการเลือก
• การพัฒนาเอ็กซ์พลอยต์ การสร้าง proof-of-concept การตรวจสอบแพตช์ — Flash 1.0 ทำได้ดีกว่า 15.3 คะแนนในแถวการทำซ้ำ และดีกว่า 6.3 คะแนนใน DeepSWE และทั้งสองไม่ใช่ส่วนต่างที่จะหายไปเมื่อลองใหม่
• การคัดแยกปัญหาเบื้องต้นจากล็อกและแพ็กเก็ตแคปเจอร์ การรีวิวโค้ดอย่างปลอดภัยในปริมาณมาก วิศวกรรมการตรวจจับ ลูปของเอเจนต์ที่ต้องการโทเคนแรกอย่างรวดเร็ว — MiMo V2.6 Flash ทั้งการเป็นผู้นำใน CyberGym และระดับความหน่วงต่างชี้ไปในทางเดียวกัน
• งานส่งมอบแบบรอบเดียวที่ยาว — Flash 1.0 โดยพิจารณาจากเพดานเอาต์พุตเพียงอย่างเดียว: 393,216 โทเคน เทียบกับ 131,072
• การบันทึกหน้าจอ เสียงจากการโทร ไดอะแกรม และแดชบอร์ด — MiMo V2.6 Flash ซึ่งเป็นเพียงตัวเดียวในสองตัวที่รองรับสิ่งเหล่านี้
เมื่อเปิดใช้งานการเข้าถึงแล้ว โมเดลทั้งสองจะอยู่ภายใต้คีย์เดียว ดังนั้นการเลือกจึงไม่จำเป็นต้องถาวร และไม่ต้องมีสัญญาฉบับที่สองหรือแก้ไขโค้ด: กำหนดเส้นทางตามประเภทงาน และให้ automatic failover ช่วยรองรับกรณีที่เส้นทางใดเส้นทางหนึ่งมีประสิทธิภาพลดลงระหว่างการทำงาน กฎเรื่อง workload ข้างต้นเป็นของเรา ตัวเลขที่กฎเหล่านั้นอ้างอิงอยู่บนหน้าโมเดล
ดูอะไรดี
สามสิ่งจะเปลี่ยนภาพนี้ สิ่งแรกคือคะแนนอิสระ: จนกว่าจะมีคนนอกแคตตาล็อกนำเวตเหล่านี้ไปรันผ่านชุดทดสอบสาธารณะ ช่องว่างด้าน exploit สิบห้าจุดก็คือการวัดของเรา และควรถูกอ้างอิงเช่นนั้น สิ่งที่สองคือหน้าต่างเวลาแฝง การรับส่งข้อมูลจริงบนเส้นทางใหม่เป็นเวลาหนึ่งสัปดาห์จะยืนยันความต่างด้านความเร็วสองเท่าหรือทำให้มันเล็กลง สิ่งที่สามคือตาราง benchmark เอง — โมเดลที่เปิดตัววันนี้โดยมีสี่แถวที่เผยแพร่และขาดไปสองแถว คือโมเดลที่โปรไฟล์ยังอยู่ระหว่างการก่อร่าง หน้าโมเดลคือจุดที่ได้รับการอัปเดตก่อน
หมายเหตุแหล่งที่มา: คะแนน benchmark ราคา ขีดจำกัด context และ output เป็นรายการในแคตตาล็อกของ OrcaRouter เองสำหรับ OrcaCyber MiMo V2.6 Flash Abliterated และ OrcaCyber Flash 1.0 ซึ่งอ่านเมื่อวันที่ 26 ตุลาคม 2026 และเป็นข้อมูลที่รายงานเอง而非ผ่านการตรวจสอบอย่างอิสระ; ตัวเลข latency เป็นทราฟฟิกใน playground ของเรา — หนึ่งวันและประมาณ 17,500 โทเคนสำหรับบิลด์ใหม่ เจ็ดวันและ 17.5 พันล้านโทเคนสำหรับรุ่นพี่น้องของมัน — และไม่ใช่ benchmark ระดับโปรดักชัน รายละเอียดของโมเดลฐาน (309 พันล้านพารามิเตอร์ทั้งหมด, 15 พันล้านพารามิเตอร์ที่ใช้งาน, context หนึ่งล้านโทเคน, น้ำหนัก MIT) มาจากการเปิดตัว MiMo-V2.6 ของ Xiaomi; ส่วน 552 พันล้านพารามิเตอร์ทั้งหมดและ 16 พันล้านพารามิเตอร์ที่ใช้งานของ checkpoint DeepSeek V4.1 Flash ที่อยู่เบื้องหลัง Flash 1.0 เป็นบันทึกของ Artificial Analysis สำหรับโมเดลนั้น ข้อแนะนำด้าน workload และการตีความแถวของ benchmark เป็นของเรา
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
