小米MiMo-V2.6模型评测：代码Agent和安全方向提升显著

小米自研大模型MiMo刚刚放出了V2.6版本的评测数据，Pro和Flash两个版本同步亮相。从放出的benchmark结果来看，这次升级的幅度相当大，尤其在代码Agent和网络安全方向表现亮眼。

代码Agent：相比上一代提升巨大

在DeepSWE v1.1测试中，MiMo-V2.6 Pro拿到71.9分，而上一代V2.5 Pro只有19.0分，提升幅度接近3.8倍。ProgramBench和MiMo Code Bench也都有明显增长。从横向对比来看，V2.6 Pro已经非常接近Claude Opus 5（74.0）和GPT-5.6 Sol（73.0）的水平。

通用Agent：多任务场景稳步追赶

General Agent部分覆盖了AutomationBench、Toolathlon-Verified、Terminal Bench等多个任务型测试集。MiMo-V2.6 Pro在Toolathlon-Verified上拿到76.9分（Flash 73.6），Terminal Bench 2.1更是达到89.9分，接近Claude Opus 5的89.1分。整体来看，通用任务处理能力和头部模型之间的差距正在缩小。

网络安全：CyberGym突破94分

这次最突出的单项可能是Cybersecurity方向。MiMo-V2.6 Pro在CyberGym上拿到94.0分，Flash版本甚至更高达到95.1分，远超V2.5 Pro的40.0分。MiMo Cyber Bench也有80.2分的成绩。不过ExploitBench和SEC Bench Pro这类更偏向攻防实战的测试上，和Claude Opus 5、GPT-5.6 Sol仍有差距。

Code Arena排行榜：WebDev全球第10

根据Arena.ai的Code Arena: WebDev排行榜，MiMo-V2.6-Pro以1628分位列第10名，在所有模型中约排第10，开源模型中约排第3。排名在它前方的包括GPT-6 Astra（1800分）、Claude Fable 5.1（1758分）、Claude Opus 5（1687分）、Qwen-3.8-0902（1681分）等。和它分数相同的有Claude Fable 5 (High)。

视觉Agent

MiMo Visual Coding测试中，Pro和Flash分别拿到72.3和71.5分，略高于Claude Opus 5的70.0分，和GPT-5.6 Sol（73.4）基本持平。

总结

MiMo-V2.6这次升级的关键词是"大幅追赶"。从数据来看，小米在代码生成、自动化任务、网络安全三个方向下了功夫，和Claude Opus 5、GPT-5.6 Sol等前沿模型的差距已经明显缩小。不过在一些需要深层推理的benchmark上（如Agents' Last Exam）仍有提升空间。

开源模型这个位置已经很有竞争力了，接下来就看实际落地体验和API性价比。