如果你这两天刷过任何一个科技社区，大概率已经被"斩杀线"三个字糊过脸：9月22日，小米发布并开源MiMo-V2.6系列模型，在Artificial Analysis综合智能指数上拿到46分，相比上一代MiMo-V2.5-Pro的26分直接提升了20分，超过Kimi K3、Qwen3.8-Max和GLM-5.3，成为该榜单得分最高的开源权重模型，成绩与同期发布的Grok 4.7持平。微博上"我米NB，新的斩杀线"一条帖子赞冲到一千多，B站评测视频两天播放破15万，知乎相关问题浏览量破百万，连"罗圣"这个梗都出来了。知乎新浪微博
但刷屏归刷屏，真正用AI干活的人关心的其实是三个很实际的问题：这个"开源第一"含金量到底多少？要不要把手头的API换掉？以及——为什么好几个实测up主测完都在夸完分数之后转头开骂？
我把36氪的发布稿、知乎技术派的拆解、B站实测党的视频和评论区翻了一遍，把这三件事一次说清。
一、先看真本事：46分意味着什么，347万美元烧出了什么
先给结论：这次不是营销，提升是实打实的一代跳变。上一代MiMo-V2.5-Pro在同榜只拿26分，这一代直接拉到46分上下，涨了20分。这个跨度放在动辄零点几分挤牙膏的榜单生态里，属于换挡级别的。拆开看几个关键基准：DeepSWE v1.1（真实软件工程）71.9分，接近DeepSeek V4.1 Flash的74.2、Claude Opus 5和GPT6 Astra的74.0，开源模型第一次在硬核编程榜上贴住闭源第一梯队；Toolathlon-verified（工具调用）76.9分，高于GPT5.6 Sol的74.9；JobBench（真实职业任务）62.0分，仅次于Claude Opus 5的65.7。36氪
比分数更值得说的是这次训练本身的透明度。小米把一场持续近6天的强化学习训练全程直播公开：两个模型各跑30个RL step，各产生约75万条训练轨迹，成本分别约85万美元和262万美元——合计约347万美元，直播时被网友算出"1秒烧10美元"。训练曲线、奖励机制、任务配比、成本构成全部写进了技术报告，还开放了约7000个RL任务环境、验证器、端到端训练框架，外加一个从Qwen3.5-9B蒸馏来的9B小模型，给算力有限的研究者复现用。36氪
罗福莉发帖说这次的研究创新和工程难度"超过我曾部分参与的DeepSeek R1"，按算力投入衡量"很可能是开源模型团队迄今规模最大的单次RL训练之一"。这话有PR成分，但训练过程全公开，社区是拿放大镜看过的，目前没有翻车实锤。36氪
二、但"开源第一"前面有三个限定词，刷屏帖不会告诉你
第一个限定词：开源第一，不是全球第一。雷军自己的说法就很克制：MiMo2.6在AA智能指数上开源模型第一、所有模型排名并列第六。具体到单项，MiMo-V2.6-Pro在TerminalBench 4.0只有34.9分，而GPT6 Astra是59.6、Claude Fable 5.1是55.1，差距肉眼可见；多项网络安全评测也整体落后头部闭源模型；网页与可视化生成上，GPT6 Astra的82.2分对比MiMo的72.3，仍隔着一档。你的活儿如果是长时间终端操作、安全攻防，它现在替代不了顶配闭源。新浪微博36氪
第二个限定词：综合指数是平均值。46分是把强项和弱项摊平的结果，单项上它有超GPT5.6 Sol的工具调用，也有排不进第一梯队的终端任务。拿它当"全面超越"讲的自媒体，可以直接划走。
第三个限定词：单价便宜，token量翻倍了。知乎技术博主拆解指出，V2.6推理输出token（含思考过程）比V2.5翻了一倍。单价低不等于账单低，这笔账下面细算。知乎
三、最大的隐藏变量：harness——同一个模型，换个壳结论完全不同
这是我这次翻评论区最大的收获，也是所有发布稿都没写的部分。B站up主@kate人不错 发了个标题很拧巴的视频：《我是不是低估了MiMo-V2.6-Pro？听劝换harness后，我重新测了一遍》，播放2.3万。事情是这样的：他第一遍用小米自家的MiMoDesktop测，成绩平平；换成第三方工具链重测，结论直接反转。哔哩哔哩
评论区直接把原因捅破了，高赞评论一个比一个扎心：“怪了，他在自己客户端不思考，来zcode就会雷霆大思考”；“专武纯粹是副优化”“自家harness投毒，也是没谁了”；“Mimo Desktop的团队纯内鬼……内测的时候连智能体并行的文件修改权限都弄不明白，loop一直卡死”。翻译成人话：模型本体确实是第一梯队，但小米自家桌面端MiMoDesktop（这次刚结束内测转正）配套的工具链拖了后腿，同一个模型换到别的壳里表现明显更好。另一位实测up主的标题更直接：《测试过程最痛苦的模型之二》。知乎上也有人网页实测动态SVG，第一版渲染直接报错。哔哩哔哩哔哩哔哩知乎
所以你的真实体验等于模型分数乘以工具链适配度，后者是所有刷屏帖都不会告诉你的隐藏变量。
四、钱的账：单价、token量、缓存命中，三笔一起算
先把价格表摆出来（元/百万token，官方定价）：
版本 | 缓存命中输入 | 普通输入 | 输出 |
|---|---|---|---|
MiMo-V2.6-Flash | 0.02 | 1 | 2 |
MiMo-V2.6-Pro | 0.025 | 3 | 6 |
Pro-UltraSpeed | 0.25 | 30 | 60 |
几个参照：评论区开发者对比，DeepSeek V4.1 Flash是0.02/1/4，MiMo Flash输出端便宜一半；小米官方称同等智能水平下价格为海外模型的1/20至1/60。按Artificial Analysis跑评测任务的实际消耗算，MiMo-V2.6-Pro平均每个任务0.13美元，约为DeepSeek V4.1 Flash（0.27美元）的一半。36氪知乎
但换模型之前，三笔账要一起算：
token量账。 V2.6输出token翻倍，意味着长链路agent任务的实际花费要在单价基础上打个折扣再比较——省一半单价，多花一倍token，可能打个平手。
缓存命中账。 评论区有金融投研用户的实测结论是，买token plan之后缓存命中能到95%以上，日常使用很耐蹬。多轮对话和agent场景里，命中率高低直接决定你按0.02元那列还是按1元那列付费，差距是50倍。哔哩哔哩
速度账。 Pro-UltraSpeed最高20倍输出速度，但价格是普通Pro的10倍。只有交互式编码、实时演示这类对延迟极度敏感的场景才值，后台批量跑任务纯属烧钱。
五、三类人，三种做法
如果你是重度开发者、agent玩家：API可以直接切，分数和价格都是真的，但别把MiMoDesktop当主力工具链——评论区实测党的一致建议是"做游戏比DeepSeek强，但不要用他们家的Desktop"，等它日更稳定一两个月再说。
如果你是普通用户：不用急着折腾API和token plan。MiMo-V2.6已上线小米AI Studio等平台可以直接体验，小米的手机、车机生态迟早会跟上这代模型。顺带说个真实好评样本：有金融投研用户在WorkBuddy里"蹬了一天"，结论是"2.6相较于2.5属于质变，复杂任务完成度和准确性好了很多"——重度垂直场景的人已经用脚投票了。哔哩哔哩
如果你在观望：盯三个信号。一是MiMo-V3——9月23日罗福莉已经公布了新进展，V3将采用全新架构，核心技术HySparse2主打预填充更少、KV缓存更小、长文本检索更强，在100万token长度下预填充计算量降低5倍以上，这一代如果不急可以等下一代。二是MiMoDesktop的更新频率和死循环修复进度。三是Grok 4.7的第三方横评——目前初步评测普遍是"价格可以，能力一般"，等更充分的对比数据出来再下结论。新浪微博哔哩哔哩
最后说句实在的。这波发布里最值钱的可能不是46分，而是小米把347万美元的训练过程、成本和7000个任务环境全开源了——开源社区拿到的不只是鱼，还有渔。下次再被"斩杀线""封神"刷屏的时候，建议先问三个问题：分数是什么口径？短板在哪一项？用什么harness测的？问完这三个，你就是评论区最清醒的人。
