整理：TopAIMap 编辑
小米 MiMo-V2.6-Pro 登顶 Arena「Agent Arena」开源榜第一：净提升 +3.8%，单任务成本约 0.11 美元
10 月 15 日（PT）中午 12:32，评测平台 Arena（原 LMArena）官宣：在 Bash 可靠性信号改版后的 Agent Arena 排名中，小米 MiMo-V2.6-Pro 以 +3.8% 净提升拿下开源模型第一，DeepSeek-V4.1 Flash（Max）+3.0%、腾讯 Hy4 preview +2.9%、MiMo-V2.6 Flash +2.5%、GLM-5.2（Max）+2.4% 紧随其后，Kimi K3（Max）+1.9% 排第 7，Qwen3.8-Flash-Next 为 −2.6%。Arena 原帖约 2.7 万浏览、224 赞，中文圈转述贴也在晚间持续扩散。
Agent Arena 不是静态题库：用户把真实的长链路任务（可用联网搜索、文件系统和终端）交给模型，再确认结果是否满足需求，Arena 以「相对基线的净提升」排序。10 月 13 日它把 Bash Recovery 升级为 Bash Reliability——逐条读每次 bash 调用的目的、结果、报错原因，以及是否在同一调用内修好，只把真正的失误计入。这次重排后国产开源模型包揽开源前 8。Arena 同时给出成本-性能帕累托图：MiMo-V2.6-Pro 每任务中位成本约 0.11 美元，MiMo-V2.6 Flash 约 0.05 美元（+2.53%），两者都落在帕累托前沿上；对比全榜第一档的 Claude Opus 5.5（Max）每任务约 5 美元、净提升约 +17%，GPT-6.1 Sol（Max）约 +15%——闭源顶级与开源第一之间仍隔着一个明显档位，但价格差约 40–50 倍。
要打折的地方：MiMo-V2.6-Pro 是 9 月 21 日发布的老模型，这次是榜单方法更新带来的名次变化，并非新模型；+3.8% 的误差条与第 2–4 名有重叠，名次稳定性要再看几周数据。另外 Meta 816B 的 Muse Spark Open 当天刚接入 Agent Arena，分数「即将公布」，开源第一的位子很快可能被挑战。实际用法上，开发者最常见的是把它接进 Claude Code / Cursor 一类 agent 工具作为便宜的主力或子代理模型（MiMo API 同时兼容 OpenAI 与 Anthropic 协议，改 base_url 即可），以及用 Batch API 跑大批量离线任务。
谁能用：① 权重：MiMo-V2.6-Pro-RL（1.02T 总参 / 42B 激活 MoE，1M 上下文，文本/图像/视频/音频输入）以 MIT 许可在 Hugging Face 和 ModelScope 开放下载，可商用，但自托管需要多卡集群。② API：小米 MiMo 开放平台按量付费，模型名 mimo-v2.6-pro，海外价每百万 token 输入 0.435 美元、输出 0.87 美元（缓存命中 0.0036 美元），国内价 ¥3/¥6，Batch API 再打五折；另有 UltraSpeed 超高速模式（最高约 20 倍推理速度，单独计价）。③ 其他入口：OpenRouter、MiMo AI Studio 网页、MiMo Code 与 MiMo 桌面客户端（会员订阅即可用 Pro/Flash，也可填自己的 API Key）。没有等候名单。
解读：Agent Arena 这类「真实任务+用户确认」的榜单，正在取代单一跑分成为 agent 选型依据；而它一改评分口径，开源榜就整体洗牌——说明评测方法本身已经是竞争变量。对开发者更实际的信号是帕累托图：0.1 美元级的开源模型已经能在真实 agent 任务上稳定为正，闭源顶级的溢价需要用「复杂任务成功率」来证明。讨论：1. 当榜单方法一改名次就大变，团队应该信 Arena 排名，还是坚持自建内部评测集？2. 每任务 0.11 美元 vs 5 美元，你的 agent 工作流里有多少步骤其实可以交给开源模型？原帖：https://x.com/arena/status/2110815995950731340 ；榜单：https://arena.ai/leaderboard/agent ；权重：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL ；官方定价：https://mimo.mi.com/models/en-US/mimo-v2.6-pro
