BenchLeader

MiMo-V2.6-Pro vs Muse Wonder Full

完整资料:MiMo-V2.6-Pro(Xiaomi)和 Muse Wonder Full(Meta),包括全部基准测试、价格和排名。

更新于 · 数据来自 8 个来源

截至 2026年11月16日,质量上 Muse Wonder Full 领先 MiMo-V2.6-Pro(BenchLeader Index 61.7 比 57.5)。看重长上下文(68 比 67)选 MiMo-V2.6-Pro;看重知识(62 比 42)、推理(66 比 50)和编程(70 比 59)选 Muse Wonder Full。

要点(截至 2026年11月16日)

  • MiMo-V2.6-Pro 的 BenchLeader Index 为 57.5,Muse Wonder Full 为 61.7(BenchLeader,2026年11月16日)。
  • MiMo-V2.6-Pro 每百万 token 混合价格为 $0.544(标价,2026年11月16日)。
  • 在两者都有结果的 50 项基准测试中,Muse Wonder Full 领先 46 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,MiMo-V2.6-Pro 的评分为 1625,Muse Wonder Full 为 1724(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Muse Wonder Full类别得分 70 比 59;Arena WebDev 1724 比 1625高
智能体与工具调用Muse Wonder Full类别得分 64 比 57;Arena Agent 9 比 2.4中
推理Muse Wonder Full类别得分 66 比 50;HLE-Diamond (AA) 48.5% 比 15.2%高
知识Muse Wonder Full类别得分 62 比 42;AA-Omniscience v1.1 30.6 比 -4.5高
长文档MiMo-V2.6-Pro类别得分 68 比 67;AA-LCR v1.1 86.3% 比 83.7%中
对话质量(人类偏好)–只有 MiMo-V2.6-Pro 有 Arena 评分(类别得分 67)无法比较
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Muse Wonder Full (max) 领先:61.7 比 57.5。
  • MiMo-V2.6-Pro 在长上下文方面更强。
  • Muse Wonder Full (max) 在智能体与工具、编程、知识、推理方面更强。

概览

规格MiMo-V2.6-ProMuse Wonder Full
提供商XiaomiMeta
发布日期2026年9月21日2026年10月12日
上下文窗口(token)1,048,5761,000,000
对比时的配置MiMo-V2.6-ProMuse Wonder Full (max)
开放权重是否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.440 / $0.870 / $0.0036–

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别MiMo-V2.6-ProMuse Wonder Full (max)领先者
推理49.965.8Muse Wonder Full
编程58.869.9Muse Wonder Full
智能体与工具57.163.6Muse Wonder Full
数学65.5–无法比较
知识42.362.3Muse Wonder Full
人类偏好67.0–无法比较
多模态60.2–无法比较
长上下文67.966.6MiMo-V2.6-Pro

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识长上下文MiMo-V2.6-Pro, 推理: 49.9MiMo-V2.6-Pro, 编程: 58.8MiMo-V2.6-Pro, 智能体与工具: 57.1MiMo-V2.6-Pro, 知识: 42.3MiMo-V2.6-Pro, 长上下文: 67.9Muse Wonder Full, 推理: 65.8Muse Wonder Full, 编程: 69.9Muse Wonder Full, 智能体与工具: 63.6Muse Wonder Full, 知识: 62.3Muse Wonder Full, 长上下文: 66.6

未绘制(测得的模型少于两个):数学, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 50 项基准测试中,MiMo-V2.6-Pro 领先 3 项,Muse Wonder Full 领先 46 项,1 项持平。所有同时评测两者的综合评分都认为 Muse Wonder Full 更强。

综合 IndexMiMo-V2.6-ProMuse Wonder Full (max)领先者
BenchLeader Index57.561.7Muse Wonder Full
AA Intelligence Index v5.0.129.950.1Muse Wonder Full
Vals Index57.866.8Muse Wonder Full

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标MiMo-V2.6-ProMuse Wonder Full (max)
每百万 token 混合价格$0.548–
每百万 token 输入 / 输出$0.440 / $0.870– / –
每百万 token 缓存输入$0.0036–
每项任务价格:聊天回复$0.0004–
每项任务价格:总结一份 30 页的报告$0.0058–
每项任务价格:代码编辑$0.0039–
每项任务价格:智能体编程会话$0.030–
每项任务价格:结构化信息提取$0.0011–
智能体编程会话(输入大多命中缓存)$0.010–
每项基准测试任务成本(AA Index)$0.257–
每项任务输出 token(AA Index)121k88k
其中推理部分86k55k
每项任务耗时(AA Index)38 min–
输出速度54 tok/s–
首次回答时间42.3 秒–
完整回答耗时(最近一次测量 2026年11月13日)95.7 秒–

每个模型都按其排名最高的推理强度设置进行对比。MiMo-V2.6-Pro 得分 57.5,首个回答 token 需 42 秒。Muse Wonder Full (max) 得分 61.7。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 102 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方MiMo-V2.6-ProMuse Wonder Full (max)
BenchLeader IndexBenchLeader57.561.7
智能体与工具得分BenchLeader57.163.6
编程得分BenchLeader58.869.9
人类偏好得分BenchLeader67.0–
知识得分BenchLeader42.362.3
长上下文得分BenchLeader67.966.6
数学得分BenchLeader65.5–
多模态得分BenchLeader60.2–
推理得分BenchLeader49.965.8
混合价格(美元/百万 token)BenchLeader$0.548–
输出速度BenchLeader54 tok/s–
首次回答时间BenchLeader42.3 秒–
上下文窗口BenchLeader1,048,576 token1,000,000 token
推理
Arena Hard PromptsArena (LMArena)1504–
LiveBench 2.0 ReasoningLiveBench79.6%†–
Humanity's Last Exam (AA)Artificial Analysis49.4%53.6%
HLE-Diamond (AA)Artificial Analysis15.2%48.5%
CritPtArtificial Analysis26.6%32.9%
CritPt v2 hard subset (AA)Artificial Analysis34.0%56.5%
MysteryMechanismVals AI15.3%35.1%
Arena ExpertArena (LMArena)1526–
编程
SciCodeSciCode60.9%–
Arena CodingArena (LMArena)1538–
Arena WebDevArena (LMArena)16251724
LiveBench 2.0 CodingLiveBench64.5%†–
SciCode (AA)Artificial Analysis60.9%62.6%
IOIVals AI39.3%79.8%
Code MigrationVals AI43.0%61.0%
Code Migration v1.1Vals AI48.8%62.8%
ProgramBenchVals AI0.5%0.5%
SWE-bench MultimodalVals AI41.3%47.3%
Vibe Code Bench 1-100Vals AI–34.0%
Vibe Code Bench v1.1Vals AI85.2%86.0%
Vibe Code Bench 1-100 v1.1Vals AI26.4%–
ALE-BenchEpoch AI Benchmarking Hub1158.1–
Terminal-Bench 4.0 (AA)Artificial Analysis34.9%57.1%
GameBench 2 by reasoning settingDuelLab GameBench 249.8†–
Design Arena WebsiteDesign Arena1311–
显示全部 102 项基准测试
指标发布方MiMo-V2.6-ProMuse Wonder Full (max)
编程
FrontierCode 1.1 (AA)Artificial Analysis45.4%44.9%
FrontierCode 2.0 (AA)Artificial Analysis24.0%37.8%
智能体与工具
Terminal-BenchTerminal-Bench27.0%†–
APEX-AgentsMercor54.4%–
Arena AgentArena (LMArena)2.49
LiveBench Long AgenticLiveBench36.4%†–
LiveBench BrowserLiveBench77.3%†–
Terminal-Bench 2.1 (Vals)Vals AI67.8%–
GDPval-AA v2.1, normalised scoreArtificial Analysis59.1%67.8%
GDPval-AA v2.1Artificial Analysis16921857
Analyst Agent (AA)Artificial Analysis37.5%–
CyberBenchVals AI72.9%73.6%
Finance Agent v2Vals AI57.3%59.1%
Finance Agent v2.1Vals AI64.3%67.6%
Harvey's Legal Agent Benchmark v1.1Vals AI13.8%23.3%
Harvey's Legal Agent Benchmark v1Vals AI10.8%21.7%
Legal Research BenchVals AI47.1%53.4%
Robo-benchVals AI–10.4%
SREBenchVals AI3.0%11.8%
Tax Agent BenchVals AI32.4%43.0%
Terminal-Bench 4.0 (Vals)Vals AI31.3%58.1%
Terminal-Bench ScienceVals AI2.9%37.1%
Arena Agent Task CompletionArena (LMArena)511.1
AutomationBenchArtificial Analysis58.6%71.3%
GDP.pdf (AA)Artificial Analysis19.2%32.6%
Harvey LAB-AA v1.1Harvey–13.1%
AA-Briefcase v1.1Artificial Analysis15121729
GDPxGDPx by SemiAnalysis–9.0%
Design Arena AgenticDesign Arena1271–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis5.7%37.1%
CWE-Bench (AA)Artificial Analysis63.3%–
DeepSec-Bench (AA)Artificial Analysis26.2%–
CyberGym end-to-end (AA)Artificial Analysis78.6%–
MKA (AA)Artificial Analysis37.3%–
数学
ProofBenchVals AI70.0%–
Arena MathsArena (LMArena)1484–
知识
LiveBench 2.0 Data AnalysisLiveBench72.3%†–
LiveBench ResearchLiveBench84.8%†–
AA-Omniscience v1.1Artificial Analysis-4.530.6
LegalBenchVals AI–87.4%
BioMysteryBenchVals AI–73.3%
Excel Modeling BenchmarkVals AI62.9%71.9%
Excel Modeling Benchmark v1.1Vals AI67.3%75.0%
MedCodeVals AI45.0%49.9%
MedScribeVals AI88.3%89.3%
Public Benefits Bench v1.1Vals AI68.9%73.8%
Access to Justice BenchmarkVals AI70.0%74.7%
Financial Coaching BenchVals AI75.4%75.0%
Immigration BenchVals AI67.5%71.2%
AA-Omniscience v1.1: accuracyArtificial Analysis34.8%41.0%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis39.8%82.4%
指令遵循
Arena Instruction FollowingArena (LMArena)1472–
人类偏好
Arena TextArena (LMArena)1480–
Arena Creative WritingArena (LMArena)1448–
Arena Multi-turnArena (LMArena)1462–
Arena Longer QueriesArena (LMArena)1496–
多模态
Arena VisionArena (LMArena)1266–
LiveBench DesignLiveBench74.3%†–
SAGEVals AI84.5%–
Humanity's Sixth SenseScale AI SEAL25.2%†–
VIALS-AAHandshake AI43.5%–
Code2Video-AAArtificial Analysis1052–
AA-3DArtificial Analysis983–
长上下文
AA-LCR v1.1Artificial Analysis86.3%83.7%
MLCRArtificial Analysis12.8%22.2%
综合
LiveBench 2.0LiveBench66.1%†–
AA Intelligence Index v5.0.1Artificial Analysis29.950.1
AA Intelligence Index v4.3.2Artificial Analysis46.355.8
AA Progress Index v1Artificial Analysis321.2343.2
Vals IndexVals AI57.866.8
Vals Finance IndexVals AI57.9%64.5%
Vals RSI IndexVals AI–24.4%
Vals Science IndexVals AI–48.5%
Vals Router IndexVals AI57.8%66.8%†
Vals Legal IndexVals AI72.1%77.9%
AA Cyber IndexArtificial Analysis56.1–
元数据
AA Openness IndexArtificial Analysis52.8–

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • MiMo-V2.6-Pro:1 项分数修订。
  • Muse Wonder Full (max):BenchLeader Index 62.6 → 61.7。
  • MiMo-V2.6-Pro:1 项分数修订。
  • MiMo-V2.6-Pro:6 项分数修订。
  • MiMo-V2.6-Pro:1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项分数修订。
  • Muse Wonder Full (max):1 项新结果(Arena Agent)。
  • MiMo-V2.6-Pro:1 项分数修订。
  • MiMo-V2.6-Pro:BenchLeader Index 61.1 → 57.2。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

MiMo-V2.6-Pro vs Muse Wonder Full:常见问题

Muse Wonder Full 比 MiMo-V2.6-Pro 更好吗?
质量上 Muse Wonder Full (max) 领先:61.7 比 57.5。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,Muse Wonder Full (max) 总体领先,但请结合你的用途查看各类别得分。
编程用 MiMo-V2.6-Pro 还是 Muse Wonder Full 更好?
Muse Wonder Full 在编程方面得分更高(类别得分 70 比 59,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,MiMo-V2.6-Pro 为 1625,Muse Wonder Full 为 1724。
智能体和工具调用用 MiMo-V2.6-Pro 还是 Muse Wonder Full 更好?
Muse Wonder Full 在智能体任务方面得分更高(类别得分 64 比 57,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Arena Agent 上,MiMo-V2.6-Pro 为 2.4,Muse Wonder Full 为 9。
处理长文档哪个更好?
MiMo-V2.6-Pro 在长上下文基准测试上得分更高(68 比 67)。两者都约为 1M token(MiMo-V2.6-Pro 为 1,048,576,Muse Wonder Full 为 1,000,000)。
第三方基准测试对 MiMo-V2.6-Pro 和 Muse Wonder Full 的看法一致吗?
在两者都有结果的 50 项基准测试中,MiMo-V2.6-Pro 领先 3 项,Muse Wonder Full 领先 46 项,1 项持平。所有同时评测两者的综合评分都认为 Muse Wonder Full 更强。
更多问题(1)
Muse Wonder Full 是什么时候发布的?
Muse Wonder Full 于 2026年10月12日 发布。