Arena Code Arena：MiMo-V2.6-Pro 的 WebDev AutoEval 记录

一句话结论

Arena 的 Code Arena | WebDev 总榜已收录 mimo-v2.6-pro，显示 AutoEval 分数 1628（+18/-18），但没有公开投票数或名次，因此只能说明它进入了 WebDev 自动评测榜，不能把 1628 当作盲投排名。

适用场景

• 适合的任务：前端 Web 开发，以及需要多步推理和工具调用的 Agentic Coding 工作流。

• 不适合的任务：不能据此判断通用文本、视觉、多模态、长文写作或真实项目交付质量；也不能据此判断人类偏好。

• 适用的模型版本：mimo-v2.6-pro，页面模型别名为 mimo-v2.6-pro。

• 适用的客户端、Agent 或 API：Arena Code Arena 的 WebDev 评测环境；页面未公开具体 harness、工具 schema、系统提示词或 API 提供商配置。

• 推荐的推理档位和参数：页面未公开推理档位、温度、采样参数或工具配置，不应自行补写。

测试方法

1. 打开 Arena 官方 Code leaderboard：https://arena.ai/leaderboard/code。

2. 使用页面默认的 Ranking、Overall、Models 视图，记录榜单标题、页面日期、总投票/会话统计和模型总数。

3. 在模型表格中定位精确别名 mimo-v2.6-pro，不要把 mimo-v2.5-pro、mimo-v2-pro 或 mimo-v2-flash 合并到本条记录。

4. 分别记录 Rank、Rank Spread、Score、Votes、价格和上下文；若字段显示 N/A，保留 N/A，不要用邻近模型或官方宣传数据替代。

原始证据与数据

榜单环境

mimo-v2.6-pro 行

这里的关键区别是：榜头同时显示 679,295 votes，但 mimo-v2.6-pro 自身的 Votes 为 N/A，并且该行 Rank 为 N/A、分数旁有 AutoEval 标记。因此不能写成“MiMo 在 Arena 盲测中排名第 X”，也不能把 1628 与有公开 Votes 的模型做严格胜负比较。

适用边界

• 这是 Arena 官方页面上的独立评测记录，但页面没有说明该 AutoEval 的任务集、样本数、评测脚本、工具版本、推理档位或提供商路由；这些缺失项限制了复现和横向比较。

• 榜单只覆盖 Code/WebDev 的 Overall 视图；该条记录不能外推到通用聊天、视觉理解或全模态能力。

• 价格和上下文长度是榜单展示的模型元数据，不是本次 AutoEval 的质量结果，且可能随时间更新。

• 同一页面中，其他模型的公开投票分数与 MiMo 的 AutoEval 分数属于不同证据类型；应在报告中分栏呈现。

• 采集时核对了 Arena 官方 X 账号 @arena 及 from:arena MiMo 的最新搜索入口；X 时间线停留在加载状态并出现 ChunkLoadError/fetchError，未取得可核对的推文正文，因此没有把 X 搜索摘要或转述写入结论。

• Arena 的 Text 页面在采集时未出现精确别名 mimo-v2.6-pro，Agent 页面只出现 Mimo V2.5 Pro；这两项不能作为 MiMo-V2.6-Pro 的 Text/Agent 成绩，也不应与本条 WebDev AutoEval 合并。

来源摘录或观察（仅做合规短引）

• 榜单顶部提示：mimo-v2.6-pro's AutoEval score is now on Arena。

• 模型行原始字段：mimo-v2.6-pro · Xiaomi · MIT · 1628 · +18/-18 · AutoEval · N/A · $0.43/$0.87 · 1M。

• 页面说明明确将该榜单定义为前端 Web 开发任务，并包含需要多步推理和工具使用的 Agentic Coding 工作流。