MiMo-V2.6-Flash
在这一档性价比不错: 在 Index 相差 2 分以内的已排名模型中,没有价格不超过它四分之三的模型。
有 3 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150)、GPT-5 nano (56.2, $0.138)。
截至 2026年11月16日,MiMo-V2.6-Flash(Xiaomi)在 BenchLeader Index 上得分 54.8(共 608 个已排名配置)。表现最好的是人类偏好(63),最弱的是知识(39)。API 价格为输入每百万 token $0.140、输出每百万 token $0.280(按 3:1 混合为 $0.175),为 2026年11月16日的标价。输出速度约为 44 token/秒(Artificial Analysis)。发布于 2026年9月21日。
要点(截至 2026年11月16日)
- MiMo-V2.6-Flash 的 API 价格为输入每百万 token $0.140、输出每百万 token $0.280(按 3:1 混合为 $0.175)(标价,2026年11月16日)。
- MiMo-V2.6-Flash 的输出速度约为 44 token/秒(Artificial Analysis,2026年11月16日)。
- MiMo-V2.6-Flash 于 2026年9月21日发布(Xiaomi)。
详细说明:MiMo-V2.6-Flash 是 Xiaomi 的开放权重推理模型,发布于 2026年9月21日。其最佳配置在 BenchLeader Index 上得分 54.8 ±4.1,在 608 个配置中排第 224 名,处于上半区。关键在于这个“±”:另有 275 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(63),知识最低(39)。按混合价格计,每百万 token $0.175,属于已排名模型中最便宜的五分之一。输出速度为 44 token/秒,首次回答需 31.8 秒,位于最慢的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $0.175/M
- 输入 $0.140 · 输出 $0.280
- 来源:Artificial Analysis
- 输出速度
- 44 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 32 s
- 首 token 3.23 s
- 上下文
- 1.0M
- 来源:models.dev
- 完整回答
- 112 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.129
- 每项任务 50 min,AA Index
- 单任务 token 数
- 132k
- 其中 76% 为推理
- 发布日期
- 2026年9月21日
- 综合 Index55
- 推理48
- 编程57
- 智能体与工具57
- 数学63
- 知识39
- 人类偏好63
- 多模态57
- 长上下文62
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/mimo-v2-6-flash)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月26日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Openness Index不计入 Index | 52.8#50 | Artificial Analysis |
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Hard Prompts | 1472#84 | Arena (LMArena) | |
| Humanity's Last Exam (AA)不计入 Index | 35.1%#134 | Artificial Analysis | |
| HLE-Diamond (AA) | 13.7%#111 | Artificial Analysis | |
| CritPt不计入 Index | 12.0%#122 | Artificial Analysis | |
| CritPt v2 hard subset (AA) | 29.5%#79 | Artificial Analysis | |
| MysteryMechanism不计入 Index | 21.6%#24 | Vals AI | |
| Arena Expert不计入 Index | 1495#55 | Arena (LMArena) |
编程
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SciCode推理强度未说明 | – | 51.3%#112 | SciCode | |
| Arena Coding推理强度未说明 | – | 1511#57 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | 1638#24 | Arena (LMArena) | |
| SciCode (AA)不计入 Index推理强度未说明 | – | 51.3%#112 | Artificial Analysis | |
| IOI推理强度未说明 | – | 47.7%#28 | Vals AI | |
| Code Migration不计入 Index推理强度未说明 | – | 40.9%#30 | Vals AI | |
| Code Migration v1.1不计入 Index推理强度未说明 | – | 39.5%#21 | Vals AI | |
| ProgramBench不计入 Index推理强度未说明 | – | 0.5%#19 | Vals AI | |
| Vibe Code Bench v1.1不计入 Index推理强度未说明 | – | 79.0%#36 | Vals AI | |
| Vibe Code Bench 1-100 v1.1不计入 Index推理强度未说明 | – | 24.5%#7 | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | 1244.2#46 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明 | – | 22.7%#83 | Artificial Analysis | |
| GameBench 2 by reasoning setting不计入 Index | 40.1#134 | – | DuelLab GameBench 2 | |
| FrontierCode 1.1 (AA)不计入 Index推理强度未说明 | – | 42.1%#32 | Artificial Analysis | |
| FrontierCode 2.0 (AA)推理强度未说明 | – | 21.6%#65 | Artificial Analysis |
智能体与工具
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| ProofBench | 63.0%#22 | Vals AI | |
| Arena Maths | 1462#65 | Arena (LMArena) |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-Omniscience v1.1 | -10.8#107 | Artificial Analysis | |
| BioMysteryBench不计入 Index | 69.3%#16 | Vals AI | |
| Excel Modeling Benchmark不计入 Index | 65.5%#24 | Vals AI | |
| Excel Modeling Benchmark v1.1不计入 Index | 68.9%#26 | Vals AI | |
| MedCode不计入 Index | 41.1%#56 | Vals AI | |
| MedScribe不计入 Index | 85.3%#29 | Vals AI | |
| Public Benefits Bench v1.1不计入 Index | 67.6%#14 | Vals AI | |
| Access to Justice Benchmark不计入 Index | 70.8%#15 | Vals AI | |
| AA-Omniscience v1.1: accuracy不计入 Index | 27.2%#105 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index | 47.8%#81 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Instruction Following不计入 Index | 1436#86 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1448#84 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1392#122 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1445#103 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1458#80 | Arena (LMArena) |
多模态
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Vision推理强度未说明 | – | 1260#56 | Arena (LMArena) | |
| MMMU-Pro推理强度未说明 | – | 73.1%#140 | Artificial Analysis | |
| SAGE不计入 Index推理强度未说明 | – | 83.3%#22 | Vals AI | |
| Humanity's Sixth Sense不计入 Index | 25.4%#26 | – | Scale AI SEAL | |
| Code2Video-AA不计入 Index推理强度未说明 | – | 1052#10 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 74.3%#179 | Artificial Analysis | |
| MLCR不计入 Index | 11.7%#112 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA Intelligence Index v5.0.1不计入 Index | 26.7#77 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 37.9#85 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 311.8#91 | Artificial Analysis | |
| Vals Index不计入 Index | 54.8#24 | Vals AI | |
| Vals Finance Index不计入 Index | 57.1%#20 | Vals AI | |
| Vals Science Index不计入 Index | 31.7%#19 | Vals AI | |
| Vals Router Index不计入 Index | 54.8%#14 | Vals AI | |
| Vals Legal Index不计入 Index | 69.0%#22 | Vals AI |
GameBench 2, best reasoning setting (None): 40.1. 仅供参考,不计入 BenchLeader Index。
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.
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| Makora | 57 tok/s | 1.11 s | $0.180 | $0.360 | 1.0M | fp8 |
| Cohere | 52 tok/s | 1.29 s | $0.140 | $0.280 | 1.0M | fp8 |
| DeepInfra | 51 tok/s | 1.53 s | $0.140 | $0.280 | 1.0M | fp8 |
| Tenstorrent | 51 tok/s | 0.47 s | $0.165 | $0.330 | 1.0M | fp8 |
| Venice | 49 tok/s | 4.11 s | $0.175 | $0.350 | 1M | fp8 |
| Xiaomi | 29 tok/s | 3.28 s | $0.140 | $0.280 | 1.0M | fp8 |
| GMICloud | 28 tok/s | 3.05 s | $0.112 | $0.224 | 1.1M | bf16 |
| Darkbloom | 26 tok/s | 3.46 s | $0.100 | $0.280 | 1.0M | fp4 |
使用情况
MiMo-V2.6-Flash 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
过去 30 天的典型请求:每次请求 63.3k token、每个输出 token 对应 73 个输入 token、90% 的输入来自缓存、60% 的输出为推理内容、每次请求 0.54 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:Freebuff (1.27T)、Cline (776B)、Hello Minds, powered by Ethoswarm (709B)、Hermes Agent (424B)、ISEKAI ZERO (370B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| DeepInfra | 93 tok/s | 1.76 s | 99.91% |
| Xiaomi | 49 tok/s | 4.57 s | 99.84% |
| Novita | 42 tok/s | 4.74 s | 99.98% |
| GMI Cloud | 36 tok/s | 5.88 s | 99.76% |
| Boundless | – | 0.73 s | 100.00% |
| Tencent | – | 2.44 s | 99.93% |
来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.003。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0001 | $0.0001 | 38.6 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0018 | $0.0006 | 45.3 s |
| 代码编辑 | 6,000 / 1,500 | $0.0013 | $0.0006 | 1.1 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.0095 | $0.0033 | 2.0 min |
| 结构化信息提取 | 2,000 / 200 | $0.0003 | $0.0001 | 36.3 s |
包含该模型的编程套餐
可以使用 MiMo-V2.6-Flash 的订阅套餐,列出各自的用量限制和单项任务成本。
将 MiMo-V2.6-Flash 与以下模型对比
- MiMo-V2.6-Flash vs Claude Sonnet 5.5
- MiMo-V2.6-Flash vs GPT-6 Sol
- MiMo-V2.6-Flash vs GPT-5.5
- MiMo-V2.6-Flash vs GPT-6.1 Sol
- MiMo-V2.6-Flash vs Claude Opus 5
- MiMo-V2.6-Flash vs Gemini 4 Argon
- MiMo-V2.6-Flash vs Claude Opus 5.5
- MiMo-V2.6-Flash vs Muse Wonder Full
- MiMo-V2.6-Flash vs GPT-5.6 Sol
- MiMo-V2.6-Flash vs Muse Spark 1.3
- MiMo-V2.6-Flash vs GPT-6 Astra
另请参阅
嵌入或引用
在模型卡片或 README 中展示 MiMo-V2.6-Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/mimo-v2-6-flash)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). MiMo-V2.6-Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/mimo-v2-6-flash
BibTeX:
@misc{benchleader_mimo_v2_6_flash_20261116,
author = {{BenchLeader}},
title = {{MiMo-V2.6-Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/mimo-v2-6-flash}},
note = {Data as of 2026-11-16}
}常见问题
- MiMo-V2.6-Flash 的基准测试得分是多少?
- 截至 2026年11月16日,MiMo-V2.6-Flash 的 BenchLeader Index 为 54.8 ±4.1。最强的是人类偏好(63),最弱的是知识(39)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- MiMo-V2.6-Flash 排名第几?
- 截至 2026年11月16日,MiMo-V2.6-Flash 在 608 个已排名配置中排第 224 名。另有 275 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- MiMo-V2.6-Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,MiMo-V2.6-Flash 的价格为输入每百万 token $0.140、输出每百万 token $0.280,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.175。
- MiMo-V2.6-Flash 比 Muse Spark 1.3 更好吗?
- 截至 2026年11月16日,MiMo-V2.6-Flash 与 Muse Spark 1.3 的质量不相上下(BenchLeader Index 54.8 比 61.6,在 ±9.2 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- MiMo-V2.6-Flash 是什么时候发布的?
- Xiaomi 于 2026年9月21日发布了 MiMo-V2.6-Flash。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《MiMo-V2.6-Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/mimo-v2-6-flash。