小米MiMo V2.6 Pro登顶开源第一：性价比之王的硬实力拆解

小米MiMo（视频中称"Memo"）新模型的发布引发了不小的讨论。据B站UP主AI小童的分析，小米创始人雷军在微博宣称MiMo已成为开源模型第一名。这样的说法究竟是营销话术，还是有真实数据支撑？借助第三方评测平台Artificial Analysis的多个榜单，可以对MiMo V2.6 Pro的实际表现做一次相对客观的拆解。

综合榜单：首秀即挤进第一梯队

在Artificial Analysis的综合智能榜上，MiMo V2.6 Pro拿下46分，与Grok 4.7并列第六、第七位。这个成绩的含金量需要放在整体格局里看：排在第八、第九的GLM 5.3和Kimi K3都是44分，而榜首的Claude系列旗舰也不过55分。

换句话说，MiMo第一次冲进前十，就贴着第一梯队的尾巴，起点相当高。对于一款刚发布的模型而言，能在综合能力上直接对标各家旗舰，说明小米在模型训练层面的投入并非试水，而是奔着头部竞争去的。

开源权重榜：国产模型集体霸榜

把闭源模型剔除后，故事变得更有看点。MiMo V2.6 Pro以46分直接登顶开源权重榜，领先第二名GLM 5.3整整2分。紧随其后的是Kimi K3、通义千问^广告（QN）和DeepSeek^广告。

值得关注的是，开源榜前五被国产模型全部包揽。这一现象反映出国产大模型在开源生态中的整体崛起——不再是单点突破，而是形成了集团式的竞争优势。MiMo能在这样一个高手林立的赛道里拿下头名，含金量比单纯的分数更值得琢磨。

成本优势：旗舰分数，零头价格

如果说前面的排名是"面子"，那么每任务成本这一项才是MiMo真正的"里子"。

据视频给出的数据，MiMo V2.6 Pro完成单个任务仅需0.0026美元。这是什么概念？Claude旗舰是它的38倍，Gemini 3.5 Ultra是4倍多，GPT-6要贵7倍多，连相对亲民的GPT-5.6也要比它贵上两三成。

把这一点放到"智能指数对成本"的散点图上会更直观：MiMo的坐标点位于横轴左侧（花钱最少的一批），纵轴却稳居前十。一边是竞品数十倍的单价，另一边是同一分数段的表现，"性价比之王"的说法并不夸张。对于需要大规模调用API的企业和开发者来说，这种成本差异会在实际部署中被成倍放大。

这里的"每任务成本"通常由评测平台依据标准化测试集中的平均输入/输出Token数与API定价折算得出，反映的是典型工作负载下的单次调用费用，而非极端场景下的峰值消耗。对企业用户而言，这一指标的意义往往超过排名本身：若日均调用量达到百万次，0.0026美元与0.1美元之间的差距会转化为数十倍的月度账单差异。需要注意的是，API定价随时可能调整，且不同服务商在限速、并发、SLA保障上的政策各异，实际部署决策还需综合考量这些隐性成本。

速度与上下文：旗舰里最快的选手

MiMo在推理速度上同样交出了亮眼答卷。

每秒输出104.9个Token，位列全榜第五，比GPT-6的87个还要快出一截。排在它前面的四名全是各家专门优化的Fast、Flash速度型选手。也就是说，在定位"Pro旗舰"的模型里，MiMo是最快的那一个——兼顾了能力与响应速度，而非以牺牲质量换取速度。

上下文窗口方面，MiMo直接给到100万Token的顶配规格，与Gemini 3.5、Kimi K3同处一个档位。全场最大的是Grok 4.7的400万，Claude系列旗舰为200万。虽然不是绝对最大，但100万Token已经足以覆盖绝大多数长文本处理场景，MiMo在这一维度上没有明显短板。

架构解读：MoE把钱花在刀刃上

从模型结构看，MiMo V2.6 Pro的总参数量为4720亿，但每次推理只激活310亿参数，是典型的稀疏MoE（混合专家）架构。

对比来看，它的总参数约为Kimi K3的一半，但激活参数却处在同一量级。这解释了前面成本与速度优势的技术来源：通过"大而稀疏"的设计，MiMo在保留大模型知识容量的同时，把每次推理的实际计算量压到很低。堆参数的同时控制激活规模，正是所谓"花钱花在刀刃上"的工程思路。

MoE（Mixture of Experts，混合专家）架构的核心思想是将模型拆分为多个"专家"子网络，每次推理时由一个轻量级的"门控网络"动态选择少数几个专家参与计算，而非激活全部参数。这与传统稠密模型（Dense Model）形成鲜明对比——后者每次前向传播都要调用所有参数。MoE的优势在于：模型可以积累远超单次推理所需的知识总量（大总参数），但实际计算开销只取决于被激活的那部分（小激活参数），从而在推理速度和成本上获得数量级的压缩。这一架构并非小米首创，OpenAI的GPT-4、Google的Gemini系列以及DeepSeek-V3均采用了类似设计。MiMo以310亿激活参数在旗舰级评测中拿下可比分数，说明其专家路由和训练策略经过了充分优化，而非单纯依靠堆砌总参数量来刷榜。

小结：雷军没有夸大其词

综合来看，MiMo V2.6 Pro在综合榜上位列第七、在开源榜上高居第一，单任务成本仅0.0026美元，速度还不拖后腿。从Artificial Analysis的多项数据交叉验证的结果看，雷军所说的"开源第一"在综合排行意义上确有依据。

当然，这些评测数据来自单一第三方平台，实际的使用体验、任务泛化能力、以及在具体业务场景中的稳定性，仍需更多用户和长期使用来验证。但至少从纸面数据出发，MiMo这次的表现足以让它进入开发者的备选清单。你会考虑上手这款模型吗？