MiMo-V2.6-Pro
性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有四分之一。
有 5 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 2 个。
截至 2026年11月16日,MiMo-V2.6-Pro(Xiaomi)在 BenchLeader Index 上得分 57.5(共 608 个已排名配置)。表现最好的是长上下文(68),最弱的是知识(42)。API 价格为输入每百万 token $0.440、输出每百万 token $0.870(按 3:1 混合为 $0.544),为 2026年11月16日的标价。输出速度约为 54 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-Pro 的 API 价格为输入每百万 token $0.440、输出每百万 token $0.870(按 3:1 混合为 $0.544)(标价,2026年11月16日)。
- MiMo-V2.6-Pro 的输出速度约为 54 token/秒(Artificial Analysis,2026年11月16日)。
- MiMo-V2.6-Pro 于 2026年9月21日发布(Xiaomi)。
详细说明:MiMo-V2.6-Pro 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 57.5 ±4.0,在 608 个配置中排第 152 名,处于上半区。关键在于这个“±”:另有 248 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,长上下文得分最高(68),知识最低(42)。按混合价格计,每百万 token $0.548,比大多数已排名模型便宜。输出速度为 54 token/秒,首次回答需 42.3 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
- $0.548/M
- 输入 $0.440 · 输出 $0.870
- 来源:Artificial Analysis
- 输出速度
- 54 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 42 s
- 首 token 3.21 s
- 上下文
- 1.0M
- 来源:models.dev
- 完整回答
- 96 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $0.257
- 每项任务 38 min,AA Index
- 单任务 token 数
- 121k
- 其中 71% 为推理
- 发布日期
- 2026年9月21日
- 综合 Index58
- 推理50
- 编程59
- 智能体与工具57
- 数学66
- 知识42
- 人类偏好67
- 多模态60
- 长上下文68
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/mimo-v2-6-pro)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。
版本
Xiaomi 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| MiMo-V2.6-Pro本页 | 2026年9月21日 | 57.5 | #152 |
| MiMo-V2.5-Pro | 2026年4月23日 | 55.5 | #206 |
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25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 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Hard Prompts推理强度未说明 | – | 1504#28 | Arena (LMArena) | |
| LiveBench 2.0 Reasoning不计入 Index | 79.6%#27 | – | LiveBench | |
| Humanity's Last Exam (AA)不计入 Index推理强度未说明 | – | 49.4%#35 | Artificial Analysis | |
| HLE-Diamond (AA)推理强度未说明 | – | 15.2%#100 | Artificial Analysis | |
| CritPt不计入 Index推理强度未说明 | – | 26.6%#43 | Artificial Analysis | |
| CritPt v2 hard subset (AA)推理强度未说明 | – | 34.0%#68 | Artificial Analysis | |
| MysteryMechanism不计入 Index推理强度未说明 | – | 15.3%#29 | Vals AI | |
| Arena Expert不计入 Index推理强度未说明 | – | 1526#16 | Arena (LMArena) |
编程
| 基准测试 | 无推理 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SciCode推理强度未说明 | – | – | 60.9%#10 | SciCode | |
| Arena Coding推理强度未说明 | – | – | 1538#13 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | – | 1625#27 | Arena (LMArena) | |
| LiveBench 2.0 Coding不计入 Index | – | 64.5%#26 | – | LiveBench | |
| SciCode (AA)不计入 Index推理强度未说明 | – | – | 60.9%#10 | Artificial Analysis | |
| IOI推理强度未说明 | – | – | 39.3%#37 | Vals AI | |
| Code Migration不计入 Index推理强度未说明 | – | – | 43.0%#27 | Vals AI | |
| Code Migration v1.1不计入 Index推理强度未说明 | – | – | 48.8%#17 | Vals AI | |
| ProgramBench不计入 Index推理强度未说明 | – | – | 0.5%#19 | Vals AI | |
| SWE-bench Multimodal不计入 Index推理强度未说明 | – | – | 41.3%#17 | Vals AI | |
| Vibe Code Bench v1.1不计入 Index推理强度未说明 | – | – | 85.2%#18 | Vals AI | |
| Vibe Code Bench 1-100 v1.1不计入 Index推理强度未说明 | – | – | 26.4%#4 | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 1158.1#56 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明 | – | – | 34.9%#53 | Artificial Analysis | |
| GameBench 2 by reasoning setting不计入 Index | 49.8#98 | – | – | DuelLab GameBench 2 | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1311#17 | Design Arena | |
| FrontierCode 1.1 (AA)不计入 Index推理强度未说明 | – | – | 45.4%#20 | Artificial Analysis | |
| FrontierCode 2.0 (AA)推理强度未说明 | – | – | 24.0%#56 | Artificial Analysis |
智能体与工具
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| ProofBench | 70.0%#19 | Vals AI | |
| Arena Maths | 1484#35 | Arena (LMArena) |
知识
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 Data Analysis不计入 Index | 72.3%#24 | – | LiveBench | |
| LiveBench Research不计入 Index | 84.8%#13 | – | LiveBench | |
| AA-Omniscience v1.1推理强度未说明 | – | -4.5#93 | Artificial Analysis | |
| Excel Modeling Benchmark不计入 Index推理强度未说明 | – | 62.9%#30 | Vals AI | |
| Excel Modeling Benchmark v1.1不计入 Index推理强度未说明 | – | 67.3%#30 | Vals AI | |
| MedCode不计入 Index推理强度未说明 | – | 45.0%#37 | Vals AI | |
| MedScribe不计入 Index推理强度未说明 | – | 88.3%#13 | Vals AI | |
| Public Benefits Bench v1.1不计入 Index推理强度未说明 | – | 68.9%#8 | Vals AI | |
| Access to Justice Benchmark不计入 Index推理强度未说明 | – | 70.0%#16 | Vals AI | |
| Financial Coaching Bench不计入 Index推理强度未说明 | – | 75.4%#5 | Vals AI | |
| Immigration Bench不计入 Index推理强度未说明 | – | 67.5%#13 | Vals AI | |
| AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明 | – | 34.8%#86 | Artificial Analysis | |
| AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明 | – | 39.8%#90 | Artificial Analysis |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Instruction Following不计入 Index | 1472#39 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1480#31 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1448#44 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1462#78 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1496#22 | 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 | – | 1266#47 | Arena (LMArena) | |
| LiveBench Design不计入 Index | 74.3%#18 | – | LiveBench | |
| SAGE不计入 Index推理强度未说明 | – | 84.5%#20 | Vals AI | |
| Humanity's Sixth Sense不计入 Index | 25.2%#27 | – | Scale AI SEAL | |
| VIALS-AA不计入 Index推理强度未说明 | – | 43.5%#12 | Handshake AI | |
| Code2Video-AA不计入 Index推理强度未说明 | – | 1052#11 | Artificial Analysis | |
| AA-3D不计入 Index推理强度未说明 | – | 983#16 | Artificial Analysis |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 86.3%#3 | Artificial Analysis | |
| MLCR不计入 Index | 12.8%#104 | Artificial Analysis |
综合
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| LiveBench 2.0 | 66.1%#18 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index推理强度未说明 | – | 29.9#66 | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index推理强度未说明 | – | 46.3#35 | Artificial Analysis | |
| AA Progress Index v1不计入 Index推理强度未说明 | – | 321.2#56 | Artificial Analysis | |
| Vals Index不计入 Index推理强度未说明 | – | 57.8#20 | Vals AI | |
| Vals Finance Index不计入 Index推理强度未说明 | – | 57.9%#18 | Vals AI | |
| Vals Router Index不计入 Index推理强度未说明 | – | 57.8%#12 | Vals AI | |
| Vals Legal Index不计入 Index推理强度未说明 | – | 72.1%#12 | Vals AI | |
| AA Cyber Index不计入 Index推理强度未说明 | – | 56.1#6 | Artificial Analysis |
GameBench 2, best reasoning setting (None): 49.8. 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.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
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 |
|---|---|---|---|---|---|---|
| PrimaLabs | 128 tok/s | 0.40 s | $4.00 | $8.00 | 1.0M | fp8 |
| DeepInfra | 36 tok/s | 0.89 s | $0.387 | $0.783 | 1.0M | fp8 |
| Xiaomi | 32 tok/s | 3.27 s | $0.435 | $0.870 | 1.0M | fp8 |
| StreamLake | 31 tok/s | 1.00 s | $0.522 | $1.04 | 1M | – |
| GMICloud | 27 tok/s | 5.81 s | $0.326 | $0.652 | 1.1M | bf16 |
使用情况
MiMo-V2.6-Pro 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 66.0k token、每个输出 token 对应 57 个输入 token、90% 的输入来自缓存、62% 的输出为推理内容、每次请求 0.43 次工具调用。
在 OpenRouter 上向它发送 token 最多的应用:ISEKAI ZERO (748B)、Hermes Agent (523B)、Claude Code (340B)、Cline (199B)、omp (181B)。
| Vercel AI Gateway 上的提供商 | 吞吐量 | 首 token | 在线率,1 天 |
|---|---|---|---|
| GMI Cloud | 68 tok/s | 4.65 s | 99.82% |
| Xiaomi | 59 tok/s | 3.85 s | 99.91% |
| DeepInfra | 45 tok/s | 3.15 s | 99.95% |
| Boundless | – | 0.70 s | 99.74% |
| Novita | – | 1.86 s | 100.00% |
| Tencent | – | 1.85 s | 100.00% |
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 $0.004。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 | $0.0004 | $0.0003 | 47.9 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0058 | $0.0019 | 53.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.0039 | $0.0020 | 1.2 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.030 | $0.010 | 1.9 min |
| 结构化信息提取 | 2,000 / 200 | $0.0011 | $0.0004 | 46.0 s |
包含该模型的编程套餐
可以使用 MiMo-V2.6-Pro 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-Pro 与以下模型对比
- MiMo-V2.6-Pro vs GLM 5.3
- MiMo-V2.6-Pro vs Qwen3.8 Max
- MiMo-V2.6-Pro vs Gemini 4 Argon
- MiMo-V2.6-Pro vs GPT-6 Sol
- MiMo-V2.6-Pro vs GPT-6.1 Sol
- MiMo-V2.6-Pro vs Gemini 3.7 Flash
- MiMo-V2.6-Pro vs GPT-6 Astra
- MiMo-V2.6-Pro vs Gemini 3.8 Flash
- MiMo-V2.6-Pro vs GPT-5.2
- MiMo-V2.6-Pro vs GPT-5.4
- MiMo-V2.6-Pro vs DeepSeek V4.1 Flash 1017
- MiMo-V2.6-Pro vs Inkling 2 Small
- MiMo-V2.6-Pro vs GPT-5.6 Sol
- MiMo-V2.6-Pro vs Muse Wonder Full
- MiMo-V2.6-Pro vs Claude Fable 5
- MiMo-V2.6-Pro vs Muse Spark 1.2
- MiMo-V2.6-Pro vs Qwen3.6 Max
- MiMo-V2.6-Pro vs Claude Opus 4.6
- MiMo-V2.6-Pro vs Gemini 3.5 Flash
- MiMo-V2.6-Pro vs Muse Wonder
- MiMo-V2.6-Pro vs Muse Spark 1.3
- MiMo-V2.6-Pro vs Claude Opus 4.7
另请参阅
嵌入或引用
在模型卡片或 README 中展示 MiMo-V2.6-Pro 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-pro)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-Pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/mimo-v2-6-pro
BibTeX:
@misc{benchleader_mimo_v2_6_pro_20261116,
author = {{BenchLeader}},
title = {{MiMo-V2.6-Pro on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/mimo-v2-6-pro}},
note = {Data as of 2026-11-16}
}常见问题
- MiMo-V2.6-Pro 的基准测试得分是多少?
- 截至 2026年11月16日,MiMo-V2.6-Pro 的 BenchLeader Index 为 57.5 ±4.0。最强的是长上下文(68),最弱的是知识(42)。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-Pro 排名第几?
- 截至 2026年11月16日,MiMo-V2.6-Pro 在 608 个已排名配置中排第 152 名。另有 248 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-Pro 每百万 token 的价格是多少?
- 截至 2026年11月16日,MiMo-V2.6-Pro 的价格为输入每百万 token $0.440、输出每百万 token $0.870,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.548。
- MiMo-V2.6-Pro 比 DeepSeek V4.1 Flash 1017 更好吗?
- 截至 2026年11月16日,DeepSeek V4.1 Flash 1017(推理强度 max)与 MiMo-V2.6-Pro 的质量不相上下(BenchLeader Index 57.7 比 57.5,在 ±5.3 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-Pro 是什么时候发布的?
- Xiaomi 于 2026年9月21日发布了 MiMo-V2.6-Pro。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-Pro: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-pro。