OrcaCyber MiMo V2.6 Flash：與同系列兄弟同價，CyberGym 高出七分，漏洞利用重現低十五分

OrcaCyber MiMo V2.6 Flash Abliterated今日上線，費率卡與OrcaCyber Flash 1.0相同——每百萬個 token 輸入 $0.80、輸出 $1.60，快取讀取 $0.15，上下文長度一百萬個 token，並已移除拒答行為。同樣的價格、同樣的上下文視窗、同樣不帶保留。兩者的差異在於各自擅長之處；根據我們自己的測量，兩者的輪廓幾乎互為鏡像：新版本在 CyberGym 領先七分，卻在漏洞利用重現上落後其同系列版本十五分。任何評估直接涉入攻擊性安全工作之模型的人，也應將更全面的紀錄納入考量，而這正是 OrcaRouter AI Incident Archive 存在並蒐集這些紀錄的目的。本文說明推出了什麼、數字為何，以及各版本實際適合哪些工作負載。

實際發佈的內容

MiMo V2.6 Flash 是小米 2026 年 9 月 MiMo-V2.6 發布中的效率檢查點：一個稀疏專家混合模型，總參數達 3,090 億，每個 token 啟用 150 億，以 MIT 授權，具備百萬 token 上下文。OrcaCyber 版本則是將拒絕行為從權重中移除後的該檢查點——這是 abliteration，而非微調：沒有重新訓練語料，也沒有新架構，只是把模型據以拒絕的方向從承載它們的矩陣中減去。它是 OrcaCyber 系列繼 Nano 與 Zero 之後的第三個名稱，也是專為吞吐量打造的那一個。

輸入介面比同系列機型更廣。MiMo V2.6 Flash 可接受文字、圖像、音訊與視訊並回傳文字，因此主控台工作階段的螢幕錄影、擷取的通話、網路架構圖，或錯誤狀態的螢幕截圖，都能與原始碼及長篇日誌在同一個請求中一併推理。每次回應的輸出上限為 131,072 個 token。思考與非思考模式皆可使用，並可選擇推理強度，同時支援原生函式呼叫與結構化 JSON 輸出；此模型可透過 Chat Completions、OpenAI Responses 與 Anthropic Messages 存取。

價格完全相同，所以價格決定不了任何事。

兩個模型的輸入價格都是每百萬個 token $0.80、輸出價格 $1.60，快取讀取則為 $0.15——同一張價目表，分毫不差，我們這邊也沒有加價。這讓選擇變得格外單純。沒有更便宜的模型可以說服自己改選，也沒有高階層級需要合理化。唯一的問題是：哪一組列符合你眼前的工作。

存取權是這兩者共有的另一點，而且並不對任何呼叫者開放：兩條途徑都須先有委託關係、通行金鑰與條款，這對一個以獲授權之攻擊性工作為目的的模型來說，正是恰當的形式。價格與能力是公開的；能否呼叫其中任何一個則不是。

相同卡片下的兩個不同基底

這些卡片之所以相符，是因為價格不取決於基礎模型，而兩者的基礎模型並非相同形態。MiMo V2.6 Flash 是擁有 3,090 億參數的稀疏模型，每個 token 啟用 150 億參數；Flash 1.0 背後的 DeepSeek 檢查點則帶有 5,520 億參數，其中 160 億為啟用參數。兩者皆採 MIT 授權，都是在權重層面進行編輯而非重新訓練，且推出時皆已移除拒答行為。

數字中的模式與那項差異相符，但並未證明它：較小的基礎模型起步更快，輸出上限較低；較大的模型則在需要把長漏洞利用鏈推進到可運作結果的那些列上表現更好。模型的參數量難以預測任何單一基準，因此請把這當作解讀那些列的背景脈絡，而非對它們的解釋。

新層級勝出之處

• CyberGym — MiMo V2.6 Flash 為 95.1%，對比 Flash 1.0 的 88.1%，在網路推理排行榜上領先七個百分點。

• 首個 token 的中位數延遲——在我們的 playground 流量中為 928 毫秒，相較之下為 1,970 毫秒，起步速度約快兩倍，輸出速率為每秒 765.9 個 token，相較之下為 171.1 個。

• 輸入類型 — 除了文字與圖片，還支援音訊與影片，而同系列產品則完全不支援這些。

這個速度數字在拿來做決定之前，值得先加個但書：它來自一天的 playground 呼叫，總共承載約 17,500 個 token；而同類項目的數字則來自為期七天的視窗，承載了 175 億。新路線上僅一天的資料，衡量到的更多是空佇列，而不是模型本身。請把方向——這個建置是較快的那個——視為可靠，而確切的倍數則視為暫定，直到視窗資料補齊為止。

它讓步之處

• SEC-Bench Pro — 47.5% 對上 62.8%，差距 15.3 個百分點，也是我們所公布的任何一列中，兩個模型之間最大的落差。

• DeepSWE v1.1 — 67.9% 對比 74.2%，落後 6.3 個百分點。

• Terminal-Bench 2.1 — 87.6% 對上 90.6%，落後 3.0 個百分點。

• 最大輸出 — 131,072 個 token，對比 393,216，只有三分之一的空間可供單一長篇產物使用，例如完整的稽核報告或附註解的漏洞利用鏈。

• 尚未發布的資料列 — ExploitGym（15.3%）與 GPQA Diamond（90.9%）僅適用於 Flash 1.0；新版尚無可比較的數據。

那份清單的組成就是論點所在。CyberGym 獎勵對攻擊面的推理；SEC-Bench Pro 獎勵端到端重現已知漏洞，而這正是新模型明顯較弱的地方。如果工作是分流、審查、偵測工程，或解釋日誌代表什麼，快速層級是更合適的工具。如果工作是將 CVE 轉化為可運作的概念驗證，同系列模型的十五分優勢才是關鍵數字，而再低的延遲也彌補不了無法成功重現的結果。

這些數字代表什麼，又不代表什麼

這篇文章中的每一項基準測試都是我們自己的。模型卡列出了 CyberGym、SEC-Bench Pro、DeepSWE、Terminal-Bench、ExploitGym 和 GPQA Diamond，並標註了我們自己的來源欄位，而且兩款 OrcaCyber 模型都尚未由獨立評測機構（例如 Artificial Analysis）評分。這一點對安全模型來說比對通用模型更重要，因為這些基準測試本身還很年輕，而「推理出漏洞」與「重現漏洞」之間的落差，正是自我呈報的資料列可能讓模型顯得更好的地方。請把這些數字視為附有公開方法論的廠商數據，而不是經稽核的結果；在正式環境流程依賴這些數字之前，請先在自己的語料庫上重新測試。

如何選擇

• 漏洞利用開發、概念驗證建構、修補程式驗證——Flash 1.0。它在重現列上高出 15.3 分，在 DeepSWE 上高出 6.3 分，而這兩者都不是會在重試後消失的差距。

• 日誌與封包擷取分流、大量安全程式碼審查、偵測工程、需要快速取得第一個 token 的代理迴圈 — MiMo V2.6 Flash。CyberGym 的領先表現與延遲級別都指向同一方向。

• 長篇單次交付成果 — Flash 1.0，純就輸出上限而言：393,216 個 token，對比 131,072 個。

• 螢幕錄影、通話音訊、圖表與儀表板——MiMo V2.6 Flash，是兩者中唯一支援這些內容的。

一旦啟用存取，兩個模型都透過同一把金鑰提供服務，因此選擇不必是永久性的，也不需要第二份合約或修改程式碼：依任務類型進行路由，並讓自動容錯移轉涵蓋某條路由在執行中途效能下降的情況。上述工作負載規則是我們訂的；它們所依據的數據在模型頁面上。

看什麼

有三件事會改變這幅景象。第一是獨立評分：除非有型錄之外的人用公開測試框架跑這些權重，否則十五個百分點的漏洞利用差距就是我們的量測結果，也應照此引用。第二是延遲窗口；新路由上一週的真實流量，將要么證實兩倍的速度差異，要么使其縮小。第三是基準測試表本身——今天發布的模型只公布四列、缺了兩列，代表它的輪廓仍在描繪中。模型頁面是最先被更新的地方。

來源說明：基準測試分數、價格、上下文與輸出上限皆為 OrcaRouter 自家目錄中針對 OrcaCyber MiMo V2.6 Flash Abliterated 與 OrcaCyber Flash 1.0 的條目，於 2026 年 10 月 26 日讀取，且屬自行提報，而非經獨立稽核；延遲數據則來自我們 playground 的流量——新版本為期一天、約 17,500 個 token，其同系列版本為期七天、175 億個 token——並非正式生產環境基準。基礎模型細節（3,090 億總參數、150 億活躍參數、一百萬個 token 上下文、MIT 權重）出自 Xiaomi 的 MiMo-V2.6 發布資料；Flash 1.0 背後之 DeepSeek V4.1 Flash 檢查點的 5,520 億總參數與 160 億活躍參數，則為 Artificial Analysis 對該模型的紀錄。工作負載建議與對基準測試列的解讀，均為我們自身的看法。