BenchLM：MiMo-V2.6-Flash 与 Pro 的同系列成本和公开基准对比

一句话结论

BenchLM 页面列出 MiMo-V2.6-Flash 与 MiMo-V2.6-Pro 的 12 条共享公开基准结果及三种固定 token 场景的估算成本：Flash 在 12 条结果中的 1 条 CyberGym 胜出，其余 11 条由 Pro 胜出；但两个模型在当前公开排名通道均未排名，页面明确不评总体质量胜者，因此这些结果不能改写为 Pro 或 Flash 的整体优胜结论。

适用场景

• 适合判断的任务：在同一 BenchLM 页面快照中查看两款同系列模型的公开基准覆盖、逐项分数、上下文规格和固定 token 用量下的成本差异。

• 不适合外推的任务：整体质量排名、未列任务、真实业务成功率、延迟、吞吐、稳定性，以及不同编辑器、harness、推理努力或提示词下的表现。页面也未给出 BenchLM 独立运行的样本量、原始输出或置信区间。

• 适用的模型版本：页面只比较 MiMo-V2.6-Flash 与 MiMo-V2.6-Pro；没有把 MiMo-V2.6-Flash-RL、旧版 MiMo、MiMo-V2.5-Pro 或其他型号混入本页数据。

• 测试环境或客户端：BenchLM.ai 比较页；基准行的共享来源均链接 Xiaomi MiMo-V2.6 technical report。具体 API 客户端、硬件、操作系统、运行器和 harness 未注明。

• 推理档位和参数：两款模型的页面规格均为 Reasoning；基准推理参数、提示词、采样设置和 effort 未注明。

测评方法

BenchLM 的页面快照更新时间为 2026-09-21，数据生成日期为 2026-09-21；公开数据接口标示的方法版本为 bench-align-v5.5-2026-09-04。页面的比较规则如下：

• 模型卡顶层分数、公开排名、90% 区间和证据状态均显示不可用（—、Evidence status unavailable、90% interval unavailable）；因此页面写明“至少一个模型未在当前公开排名通道评分”，并不命名总体质量胜者。

• 共有 12 条共享结果，Flash-only 和 Pro-only 均为 0；“like-for-like categories”为 0/8。这里的 12 按公开结果账本的行计，Terminal-Bench 2.1 在 Agentic 与 Coding 两个分类各出现一行。

• Agentic、Coding、Knowledge 使用 BenchAlign lane；其余分类使用 provisional/weighted public rows。只有双方分数都基于 Supported evidence 或同一 weighted set 时才算 like-for-like；方向性或不可比较的行不产生胜者。

• 页面说明排名中的未排名分数只能保留在 lane 的尺度上，不能命名胜者；like-for-like 行相差不超过 0.5 分时按实务规则视为平手。本页八个分类均为 Not ranked / Not comparable。

• 12 条原始行均标注 Shared source，链接到同一份 https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/blob/main/MiMo_V2_6_technical_report.pdf。这证明页面附有公开来源，不等于 BenchLM 在本页披露了独立复测过程。

关键结果

成本场景

页面使用三种固定 token mix，将“列出的标准 API rates”换算为单次估算成本；每个场景都显示“Fits in one request”。

页面规格区列出的缓存输入价为：Flash $0.0028 / 1M cached input tokens，Pro $0.0036 / 1M cached input tokens。比较正文没有单独展示 fresh-input/output 单价；由三组页面金额可算出与其一致的标准价：

Flash: 1K×$0.14/M + 500×$0.28/M = $0.00028
Pro:   1K×$0.435/M + 500×$0.87/M = $0.00087

Flash cache loop = 200K×$0.0028/M + 20K×$0.14/M + 10K×$0.28/M = $0.00616
Pro cache loop   = 200K×$0.0036/M + 20K×$0.435/M + 10K×$0.87/M = $0.01812

以上 fresh/output 单价是对页面已显示金额的算术反推，不是页面另行列出的价格，也不是独立价格核验。页面规定：缺少缓存输入价时，估算才回退到已公布的普通输入价；本页两款模型均列出了缓存输入价。

共享公开基准行

页面原始结果账本中的数值如下。百分比保留页面显示格式；“胜出”是页面逐行标签，不代表总体排名。

分类聚合状态与规格

两款模型的规格差异（页面来源均显示为 Xiaomi MiMo-V2.6 launch）：

页面注明 1M 是最大文档化上下文，实际输出 token 上限可能更低；Weight access 与 License 的页面值均为 Open Weight，不应据此补写具体许可证名称。

原始数据

• 页面决策文本：至少一个模型未在当前公开排名通道评分，因此“不命名总体质量胜者”；分类行若基于 Estimated evidence 或不同基准集，只作方向性参考，也不命名胜者。

• 证据计数：12 Shared、MiMo-V2.6-Flash only 0、MiMo-V2.6-Pro only 0、Like-for-like categories 0 / 8。

• 共享证据形状：页面只绘制两个共同结果：OSWorld-Verified（Flash 80.8%、Pro 82%，normalized gap 1.2）和 AutomationBench（Flash 52.3%、Pro 53.1%，normalized gap 0.8）；因匹配分类轴过少，不生成 radar。

• 来源属性：API 数据返回 attribution: Data from BenchLM.ai；每条原始基准行的 source label 为 Xiaomi MiMo-V2.6 technical report。

• 单页模型卡状态：两款模型的 score、publicRank、interval90、evidenceStatus 均为 null；页面可见文本分别为 —、Evidence status unavailable、90% interval unavailable。

• 页面更新边界：页面在 2026-09-21 更新，页面页脚同样写 Last updated September 21, 2026；本文采集日为 2026-09-22，属于该日期的动态排行榜快照。

结论与边界

• 成本：在页面给定的 1K/500、50K/3K、200K/20K/10K 三种 token 假设下，Flash 的估算金额均低于 Pro；这是按 listed-rates 的模型化成本，不是实际账单、吞吐或延迟测量。

• 逐项结果：12 条共享行中，Flash 只有 CyberGym（95.1% 对 94.0%）被页面标为领先；其余 11 条由 Pro 领先。Terminal-Bench 2.1 的重复行是分类账本设计，不应重复计为两个独立实验。

• 总体结论限制：BenchLM 明确不为该组合命名总体质量胜者；不要把逐行标签、成本优势或 12 行的简单计数改写为“Pro 整体更强”或“Flash 性价比整体更高”。

• 证据性质：公开表格的来源是 Xiaomi MiMo-V2.6 technical report，BenchLM 页未披露独立运行的样本量、提示词、硬件、解码参数、重复次数、失败样本、评分脚本或置信区间。故本文将其写作公开来源结果/BenchLM 页面整理，不称为已独立复测。

• 可比性限制：页面称 Agentic、Coding、Knowledge 使用 BenchAlign lane，其余使用 provisional/weighted rows；本页 0/8 like-for-like，八个分类均不可比较。分类分数缺失不表示 0 分。

• 成本限制：页面没有在正文单独列出 fresh/output 价格；本文反推的 $0.14/$0.28 与 $0.435/$0.87 只用于解释页面金额，不能替代官方价格页。缓存、输入输出 token 的实际计费规则和上下文截断也未在本页完整披露。

• 规格限制：API model ID、文档化输入/输出、provider availability 均未注明；1M 只表示最大文档上下文，输出上限可能更低。

• 版本边界：本文只记录 MiMo-V2.6-Flash 与 MiMo-V2.6-Pro。不把旧版 MiMo、MiMo-V2.6-Flash-RL、MiMo-V2.5-Pro 或任何其他页面/模型的分数、价格和体验并入本页。

复现说明

1. 打开 https://benchlm.ai/compare/mimo-v2-6-flash-vs-mimo-v2-6-pro，确认页面更新时间、决策文本、12 条共享结果和“0/8 like-for-like categories”。

2. 展开 Browse raw public benchmark evidence，按 Agentic/Coding 分类抄录 12 行；保留页面的百分号和 Terminal-Bench 2.1 的两次分类出现。

3. 按页面三个固定 token mix 复算成本；缓存输入使用页面列出的 $0.0028/M（Flash）和 $0.0036/M（Pro）。fresh/output 单价若采用本文反推值，必须标注为从页面金额反推，不要写成页面直接披露。

4. 如需独立复测，应另行记录精确模型 ID、API 或本地部署方式、客户端、硬件、harness、提示词、推理 effort、采样参数、样本量、评分脚本、失败样本和运行日期；BenchLM 页面本身没有提供这些字段。

5. 不把本页公开来源表格当作 Flash 与 Pro 的总体排名，也不把页面的 listed-rates 估算当作实际生产成本或独立性能测量。