小白爱摸鱼
@chaozuoye
AdinaYakup 这条把 MiMo V2.6 Pro / Flash 的关键 benchmark 一次性列齐了，值得逐项拆开看。
先把数字摊开：
MiMo-V2.6 Pro（1.02T 总参 / 42B 激活）
- DeepSWE: 71.9；
- AutomationBench: 53.1；
- Terminal Bench 2.1: 89.9。
MiMo-V2.6 Flash（309B 总参 / 15B 激活）
- 在多个 agent benchmark 上"接近 Pro"，但具体数字没列。
两个模型共同点：Sparse MoE、1M context、MIT 协议、原生 omni（text/image/video/audio 都支持）。
逐个 benchmark 看一下这些数字的实际含义：
DeepSWE 71.9——这是当下软件工程类 benchmark 里最有含金量的一个，由 SWE-bench 团队维护，要求模型解决真实 GitHub issue。71.9 这个分数意味着：在 100 个真实 issue 上，模型能直接给出可合并的 patch 接近 72 个。对比 GPT-6 之前的 SWE-bench Verified 大概 65–70 这一档，71.9 已经是开源 SOTA。
AutomationBench 53.1——自动化办公场景的 benchmark，覆盖表格处理、邮件分类、文档摘要、网页操作这类白领日常工作。53.1 意味着半数以上的任务能一次性跑通，对企业 ToB 应用是直接可用的水平。
Terminal Bench 2.1 89.9——终端命令执行类 benchmark，考察模型能不能在 CLI 环境下完成复杂的多步任务。89.9 这个分数属于"接近满分级"，意味着 MiMo Pro 在命令行 Agent 场景下已经能替代大部分人类开发者的工作。
几个值得展开的判断：
MIT 协议的工程意义——这次最大的信号不是性能，是许可协议。MIT 意味着任何人都可以商用、修改、闭源重发布，包括可以直接打包进自己的商业产品。对比 Llama 社区版的"LlMA 许可证"（年活 7 亿以上用户要申请特殊许可），MIT 这一档几乎是"放开用"。
1M context + omni 的组合——长上下文 + 多模态同时支持，开源阵营里这是第一个。Llama 4 也是 1M context，但纯文本；Qwen2.5-Omni 是 omni 但 context 偏短。MiMo V2.6 这个组合算是补全了"全能开源旗舰"的形态。
Flash 档"接近 Pro"的真实含义——15B 激活参数的 Flash 在多个 agent benchmark 上接近 42B 激活的 Pro，意味着激活参数翻倍并不带来效果翻倍——这跟"MoE 激活参数越多效果越好"的简单直觉不太一致。可能的解释是：很多 agent benchmark 上的差异来自训练数据 / RL 配方，而不是激活参数量。
对企业团队的几个 actionable：
- MIT 协议可以直接进生产——不需要担心授权问题，可以塞进 ToB 产品里；
- DeepSWE 71.9 + Terminal Bench 89.9 是 SWE Agent 的甜点组合——做自动化软件工程 / Coding Agent 的团队可以直接拿这套当底座；
- Flash 档适合做"高频轻量"工作流——客服、邮件分类、文档摘要这类场景，Flash 跑得动且成本只有 Pro 的 1/4；
- 本地部署的算力门槛——Flash 档 15B 激活在单张 H100 上能跑，Pro 档 42B 激活需要 2–4 张 H100 并行或者换 A100 80G 集群；
- 1M context 的真实价值——能塞进一整个中型代码仓库的全量上下文，做"仓库级"代码理解是这一档模型的新能力；
- 结合 Jev 路由做混合架构——MiMo V2.6 Flash 做基础推理 + Jev 做轻量分类决策，是当下最稳的开源组合。
这件事给整个 AI 工具生态的更深信号是：开源模型第一次在 Coding Agent 维度上全面追平甚至超越闭源旗舰。从今天起，"必须用 GPT-6 / Opus 5 才能做高质量 Coding Agent"这个叙事不再成立——MiMo V2.6 Pro 提供了 MIT 协议下的开源替代。
接下来 1–2 周，重点关注两件事：
- 独立第三方对 MiMo V2.6 Pro 在真实 SWE 工作流上的实测——AA 榜单和 lmarena 的更新；
- 国内厂商（智谱、月之暗面、阿里、DeepSeek）对 MiMo V2.6 的回应——是发新版对标，还是接入作为下游底座。
