大模型圈有句话正在被反复验证:标价越来越没意义,单任务成本才是真账。
2026 年下半年,行业均价半年翻倍,五场发布会里只有一家降价——但用户侧的实际支出反而涨得更凶 。在这样的背景下,开源阵营的 MiMo-V2.6 系列冲上 Artificial Analysis(AA)开源权重榜第一,成了观察”能力与成本如何再平衡”的最佳样本。
今天只算两笔账:编程能力到底什么水平?用起来到底多少钱?
一、先看结论
- 1.代码 Agent 是 MiMo-V2.6 最强的短板补齐项:相比上代旗舰,代码 Agent 基准提升超过 3 倍,部分终端/安全类基准提升近 20 倍 。
- 2.开源综合第一:MiMo-V2.6-Pro 以 46 分登顶 AA 开源权重榜(117 个开源模型中排 #1),距闭源前沿仅 7 分 。
- 3.成本低在”任务层”而不是”单价层”:AA 统计下 Pro 每任务约 0.13、Flash每任务约0.06,配合缓存命中价与批量价,实际账单比标价好看得多 。
- 4.双版本 + 开源权重 = 成本可自控:Flash 版 4bit 量化部署约 20GB 显存起步,预算有限的团队可以完全自建 。
二、编程能力:从”能写代码”到”能干活”
1. 代码基准:三项硬指标
先看标准代码基准的表现(跨 7 种 Agent 框架取均值):
| 基准 | Qwen3.5-9B | MiMo-V2.6-Distill-9B | + Multi-Harness RL |
|---|---|---|---|
| SWE-bench Verified | 53.1 | 62.3 | 65.7 |
| SWE-bench Pro | 27.5 | 44.4 | 46.5 |
| MiMo Code Bench (mini) | 15.3 | 53.1 | 59.0 |
三个信号值得注意:
- SWE-bench Pro 提升最夸张(27.5 → 46.5),这是最贴近真实工程难度的基准之一;
- 蒸馏 9B 小模型就能打,RL 之后进一步涨点 :SWE-bench Verified 从 61.1 提到 66.2,Terminal Bench 2.1 从 37.1 提到 52.8,MiMo Visual Coding 从 64.0 提到 72.4 ;
- 跨 harness 稳定:无论是 codex、claude code 还是 mini-swe-agent 框架下跑,分数波动都很小 ——这一点在实际选型里比单个最高分更重要,换框架不翻车。
2. 代码 Agent:和上代拉开代差
如果说基准分是”考试成绩”,代码 Agent 基准就是”上手干活”。MiMo-V2.6-Flash-RL 对比上代旗舰 MiMo-V2.5 Pro 的数据,差距是代际级的 :
| 基准 | MiMo-V2.6-Flash-RL | MiMo-V2.5 Pro | 说明 |
|---|---|---|---|
| DeepSWE v1.1 | 67.9 | 19.0 | 代码 Agent |
| ProgramBench | 26.0 | 12.5 | 程序生成 |
| Terminal Bench 4.0 | 28.8 | 1.5 | 终端操作(高难度) |
| OSWorld-Verified | 80.8 | — | 系统级任务 |
| CyberGym | 95.1 | 40.0 | 安全攻防 |
| MiMo VisualCoding | 71.5 | — | 可视化编码 |
Pro 版在通用 Agent 基准上继续领先:AutomationBench 53.1、Toolathlon-Verified 76.9、Terminal Bench 2.1 89.9、OSWorld-Verified 82.0 。官方称其多数 Agent 基准已与 Claude Opus 5、GPT-5.6 Sol 处于同一水平 。
一句话总结编程能力:写代码的下限很高,干工程的上限在逼近闭源前沿。
三、成本账:单价、任务价、自部署价,三笔分开算
1. 第一笔:API 单价
以公开渠道价格整理(人民币 / 百万 tokens,供参考):
| 模型 | 输入 | 输出 | 缓存命中输入 |
|---|---|---|---|
| MiMo-V2.6-Pro | 4 元 | 16 元 | 约 1 元 |
| MiMo-V2.6-Flash | 1 元 | 4 元 | 约 0.4 元 |
批量通道更便宜:Pro 批量输出低至 ¥3,Flash 批量输出低至 ¥1,缓存命中输入甚至按分计 。
横向参照同梯队 API 单价 :DeepSeek-V4(2 元 / 8 元)、GLM-5(1 元 / 3 元)、豆包 Pro(0.8 元 / 2 元)、Kimi(1.2 元 / 4 元)。MiMo-Flash 的定价在开源第一梯队里属于”贴地”水平。
2. 第二笔:单任务成本(真正该看的数字)
AA 统计的每任务成本:Pro 约 0.13,Flash约0.13,Flash约0.06;输出速度分别约 42 和 51 token/s,Flash 明显更快 。
为什么任务价比单价重要?因为 Agent 类编程任务会反复调用工具、多轮重试——决定账单的是”完成一个任务要烧多少 token”,不是标价牌。这也是行业共识正在转移的方向:竞争焦点已从”标价”转向”单任务成本” 。
3. 第三笔:自部署价
MiMo-V2.6 系列开源权重 + 商用许可 ,意味着高调用量团队可以自建:
| Pro | Flash | |
|---|---|---|
| 4bit 量化部署显存 | 约 80GB | 约 20GB |
| 适合谁 | 旗舰质量、复杂 Agent | 高并发、成本敏感 |
调用量大的场景下,自部署摊薄后的边际成本会显著低于 API 单价,且数据不出域。
四、怎么选?三个场景直接抄作业
场景 A:个人开发者 / 预算有限 → 用 Flash,或直接本地跑 Distill-9B + RL 版本,20GB 显存可起步,SWE-bench Verified 也有 66 分水平 。
场景 B:创业团队做 AI 编程产品 → Pro 打旗舰功能 + Flash 承担高频调用,利用缓存命中价把重复上下文的成本压到约 1 元/百万 tokens 。
场景 C:企业级 Agent 平台 → Pro 走复杂任务(AA 开源第一的综合能力 + 1M 上下文),配合批量通道;数据敏感则自部署 。
结语
2026 年的大模型选型,早已不是”谁分数高用谁”。能力上,开源模型第一次整体进入闭源前沿 7 分以内的射程;成本上,真正的竞争发生在”单任务成本”这一层 。
MiMo-V2.6 的样本意义就在于:它同时压低了”能力门槛”和”成本门槛”——代码 Agent 从 19 分跳到 67.9 分的那一步 ,和 Flash 每任务 6 美分的那一步 ,是同一件事的两面。
模型会继续迭代,价格会继续波动。但把账算到”单任务”这一层的方法,不会过时。
(注:文中价格整理自公开渠道 2026 年 10-11 月数据,实际以各平台官方最新价目为准;基准分来自官方技术报告及第三方评测,不同统计口径可能存在小幅浮动。)

