MiMo-V2.6-Flash 与 MiMo-V2.6：同一系列，两个检查点，以及一个身兼双职的名称

问两个人 MiMo-V2.6 是什么，你可能会得到两个不同的模型。小米于 2026 年 9 月发布的这一系列包含两个公开的检查点——MiMo-V2.6-Flash拥有 3090 亿参数，以及MiMo-V2.6-Pro拥有 1.02 万亿参数——而单独的名称MiMo-V2.6既被用来指整个系列，在大多数报道中也指这一代的顶级型号。因此，一个标题为“MiMo-V2.6-Flash vs MiMo-V2.6”的页面，实际上就是拿效率版检查点来对比人们指代旗舰时写下的那个名字。两个检查点于 2026 年 9 月 21 日相隔十八秒先后上线 Hugging Face，均采用 MIT 许可证，且都以本地下载为先——没有可供调用的小米端点。除此之外，两者几乎再无相同之处。

这比通常的命名之争更重要，因为二者并非一条可以日后逐级攀登的规模阶梯。它们是彼此独立的训练运行，各有各的基准测试表、各有各的内存占用，而且——正如已公布的数字所示——在少数几处，较小的那个反而直接胜出。

两个检查点，一份已发布的会议纪要

这两个仓库分别是 XiaomiMiMo/MiMo-V2.6-Flash-RL（创建于 UTC 15:39:51）和 XiaomiMiMo/MiMo-V2.6-Pro-RL（创建于 UTC 15:39:33）。两者均未设置访问限制。二者都附有技术报告和模型卡，并且 Xiaomi 都将它们描述为单次混合强化学习训练的产物——该训练将编程、通用智能体、视觉和网络安全任务融合到一次训练过程中，而非按领域分别进行多次训练。

• 参数 — MiMo-V2.6-Flash：总参数量 309B，每个 token 激活 15B。MiMo-V2.6-Pro：总参数量 1.02T，激活 42B。两者均为稀疏混合专家模型。

• 主干 — Flash 为 48 层，其中 39 层滑动窗口注意力、9 层全注意力，隐藏维度 4096，256 个路由专家中激活 8 个，滑动窗口为 128 个 token，且不设共享专家。Pro 则以更大的宽度运行同样的混合注意力思路。

• 模态能力——两者都是原生全模态，将文本、图像、视频和音频输入同一个模型，而不是把三条流水线硬拼在一起。Flash 搭载了一个 6.81 亿参数的视觉 Transformer、一个 3.08 亿参数的音频分词器和一个 1.27 亿参数的音频 patch 编码器。

• 上下文 — 两者均宣称支持 100 万 tokens，其配置支持 1,048,576 token 的最大位置嵌入。

许可证——两者均采用 MIT，没有收入门槛，除常规条款外没有额外的可接受使用限制，也没有研究条款。商业部署、修改和再分发均被允许。

• 权重文件 —— Flash 将 172.9 GB 的 FP8 权重数据分为 65 个分片发布。Pro 的参数量约为其三倍，因此在你自行进行任何量化之前，它的下载量就已落在半太字节量级。

• 它们的服务渠道——Hugging Face、小米自有 API 平台、AI Studio、MiMo Code 和 MiMo 桌面应用。说明卡片指出，目前在 Hub 本身，两个 checkpoint 均未由第三方推理提供商部署。

让人付出硬件代价的碰撞

这个配对中的混淆，其实并不在于 Flash 和 Pro 之间，而在于 MiMo-V2.6-Flash 与它之前的那款模型之间。

MiMo-V2-Flash 于 2025 年 12 月发布，小米自家发布它的博客文章描述道：这是一个混合专家模型，总参数 3090 亿、激活参数 150 亿，采用将滑动窗口注意力与全注意力交错的混合注意力方案，以及激进的 128 token 滑动窗口。把这个说法与上面的条目列表对照着读一遍。2026 年的检查点和 2025 年的检查点在表面规格上一模一样，滑动窗口大小相同，激活参数预算也相同——相隔九个月，来自不同的训练运行，能力不同，基准测试表也不同。

因此，搜索“MiMo V2.6 Flash”时，它会很乐意给你返回关于 MiMo-V2-Flash 的页面，还附带 256K 上下文数值，以及每百万输入 token 0.1 美元的价格——而这些都属于较旧的模型。如果你是在确定节点规格，这可不是无关紧要的错误。旧检查点和新检查点是不同的下载项，配有不同的服务方案，而且新检查点声称上下文是旧检查点的四倍。

命名中还有第二个更隐蔽的陷阱。两个仓库都以 -RL 结尾，读起来像是架在某个其他基础模型之上的强化学习适配器。它们不是适配器。这个后缀标记的是后训练谱系：这些是流式 RL 运行产出的完整检查点。权重索引证实了这一点——数万个张量覆盖整个骨干、视觉编码器、音频栈和推测解码草稿器。

供应商自己的表格上写了什么

本节中的每一个数字都来自 Xiaomi 在两份模型卡中的评估表。Xiaomi 是在自己的检查点上运行这些评测框架的。这些结果没有任何一项在实验室之外复现过，也没有任何一项出现在公开排行榜上，而对比列则是厂商自己用同一批评测框架对其他公司模型的运行结果。请把排名当作参考信息，把小数位当作装饰。

• 代码智能体 — DeepSWE v1.1：Flash 67.9，Pro 71.9。Terminal Bench 2.1：Flash 87.6，Pro 89.9。ProgramBench：Flash 26.0。MiMo Code Bench：Flash 61.2。

• 通用智能体 — AutomationBench v1.0.6：Flash 52.3，Pro 53.1。Toolathlon-Verified：Flash 73.6，Pro 76.9。OSWorld-Verified：Flash 80.8，Pro 82.0。Agents' Last Exam：Flash 27.6。Terminal Bench 4.0：Flash 28.8。

• 网络安全——这是较小模型领先的唯一一列。CyberGym：Flash 95.1，Pro 为 94.0。MiMo Cyber Bench：Flash 77.2。随后便一落千丈：ExploitGym 6.0，ExploitBench 25.3，SEC Bench Pro 47.5。

• 视觉智能体 — MiMo VisualCoding：Flash 71.5，Pro 72.3。

逐条看完这些要点后，诚实的总结是：Pro 几乎在所有方面都领先，但领先幅度很小，小到足以落在自建评测框架的噪声范围内。在 DeepSWE 上，两者相差四分，而在同一量表上，同一个检查点在小米自己的两次评估之间就曾移动过两分。

最后一点值得单独成段，因为它是两张模型卡里最有用的信息。Xiaomi 的公开 RL 仪表盘在整个九月直播了两次训练运行，公布了 Flash 的 65.68（DeepSWE v1.1，使用 mini-swe-agent 测试框架，三次取平均）。完成的模型卡则印着 67.9，对应已发布的权重。与此同时，Pro 的仪表盘数字是 72.57，而它的模型卡印着 71.9——下降了。同一次运行的两个检查点，评估了两次，而两次评估之间的差距，与两个模型之间的差距一样大。如果你从上周起一直在引用仪表盘数字，那它们描述的是训练快照，而不是你今天会下载的产物。

这两者都不在路由器上

Xiaomi 这两个模型检查点都不出售：其自家网站上没有公布 MiMo-V2.6 这一代的每 token 价格，也没有为其中任何一个公布可调用的模型标识符。实际存在的是一个下载项，外加——仅限 Pro——唯一一家被 Artificial Analysis 认定以每百万输入 token 0.435 美元、每百万输出 token 0.87 美元提供该模型的 API 提供商。那是提供商的挂牌信息，而非厂商价目表；而 Flash 则完全没有可比信息。第三方目录页面上流传的数字也应按同样方式理解。

所以，在 Flash 和 Pro 之间做选择，并不是在具有不同计量方式的两个端点之间做选择，而是在两份 GPU 账单之间做选择，而较小的那份大约是较大那份的三分之一。这就是 Flash 的全部商业理由；它比基准测试表所显示的更有说服力，因为对于大多数人购买时所针对的任务而言，这两个模型的差距只有几个百分点。

这样一来，剩下的就是那个熟悉的三岔路口：租用前沿模型、自持小模型，或自持大模型。前沿那一列正是小米在自己的表格中拿来对标的对象——在厂商自己的对比里，Claude Opus 5、GPT-5.6 Sol 和 Claude Fable 5 在 DeepSWE 上都比 Pro 高出几分，而这三者今天都可以通过 OrcaRouter 上的一个 API 密钥、按供应商标价调用，0% 加价透传。这对摆在你面前的那个具体决策很关键：供应商调价当天就会落到你这边，而不是等到下一次合同续签，因此随着托管价格浮动，租与自持之间的账算依然诚实。自动故障转移还意味着，你仍在评估中的模型不必独自承担生产链路的流量，同时你仍可从容决策。

如今在任何路由服务上——包括我们自己的——你都做不到的一件事，就是调用 MiMo-V2.6-Flash 或 MiMo-V2.6-Pro。我们不路由任何小米模型，而小米自家卡片中的可用性说明指向的是小米自己的渠道：MiMo API 平台、AI Studio、MiMo Code 以及桌面应用。

哪个检查点，什么时候

如果目标是 MiMo-V2.6 这一代，且硬件是硬性约束，那就选 MiMo-V2.6-Flash。相比旗舰版本，你要放弃大约四个 DeepSWE 分数点，以及大多数智能体基准上的一到两分。你得到的是一个内存占用约为三分之一大小的检查点，它在小米自家表格的 CyberGym 项目上领先 Pro，并且拥有同样的许可证、同样的 100 万 token 上下文宣称，以及同样的多模态能力。对于一支从事网络安全评测工作的团队来说，CyberGym 那一列可不是可以忽略的舍入误差。

如果工作负载是编程或长周期智能体任务，并且节点已经付费，那就选择 MiMo-V2.6-Pro。它在几乎所有指标上都更优，而且它正是 Artificial Analysis 实际测量过的模型——在重新校准的 v4.3 评分体系上，智能指数为 46，在其开放权重类别的 114 个模型中排名第一，输出速度为每秒 134.3 个 token，标价为每百万输入 token 0.435 美元、每百万输出 token 0.87 美元——在规划生产部署时，独立测量比厂商表格更有价值。

在读过配置文件而不是摘要之前，这两个都别选。Flash 模型卡描述的是一个五层推测式草稿模型，每次预测七个 token；同一仓库中的 config.json 将num_nextn_predict_layers设为 3。模型卡上的摘要并不是运行时读取的内容。并且仓库页面上的 Safetensors 区块报告 Flash 有 159B 参数、Pro 有 524B 参数，这两者都与任一模型卡中的总数或激活参数数量不符。小米尚未解释这一差异。请改为依据已发布的权重数据来确定大小，因为无论参数如何计数，那才是你在 VRAM 中实际要为之付费的数字。

怎样才能了结此事？

三件事，大致按有用程度排序。由第三方在相同的测试框架上跑一次——DeepSWE 或 Terminal Bench，提交结果而不是自报结果——就能告诉你 Flash 和 Pro 之间四分的差距究竟是真实位置，还是有利配置。一份公开价目表会把整个比较从硬件项目变成一条可以放在托管前沿模型旁边的条目。而小米表示将开源的 RL 环境，才是大多数团队真正想要的产物，因为要在自己的轨迹上复现这个循环，你需要的正是它们。

在此之前，实际的解读空间很窄。MiMo-V2.6 是两个检查点，而非一个，且仅提这个名字通常指的是更贵的那个。如果你今天要在这个系列里做选择，诚实的默认选项是 Flash，除非某个你特别在意的基准测试列给出了不同结论——而如果你还没准备好购买节点，那两者目前都还不是正确答案。