小米 MiMo-V2.6-Pro 登 Agent Arena 开源第五：确认成功率开源第二，国产 Agent 模型怎么选？

核心结论

2026 年 10 月 1 日，Arena 官方宣布小米 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena 排行榜。在 8,100+ 真实 Agent 会话中，Pro 以 +3.17% 净提升列开源模型第五，确认成功率 +7.35% 列开源第二。相比上代 V2.5-Pro（开源第 13、净提升 -7.23%），一代之内排名升 9 位、净提升翻转 10.4 个百分点。MIT 许可证开源。

Agent Arena 是什么

Agent Arena 不是选择题考试。模型在真实任务上做真实工作，用户对会话结果投票打分。排行榜以净提升（net improvement）为核心指标——正数表示用户认为模型比基线好，负数表示比基线差。

确认成功率（Confirmed Success） 是更严格的信号：它只计算被确认完整完成的任务质量，而非仅仅"跑完了"。Pro 在这个指标上排开源第二，意味着它不是靠刷会话量上分，而是在需要多步决策的任务上真正更可靠。

Pro 的成绩单

8,100+ 会话的样本量足以看出趋势，不只是刷榜数字。Pro 用一代时间将净提升从负转正，并将确认成功率推到开源前二。

Flash 的性价比卡位

Flash 走的是另一条路线：

Flash 的净提升略低于基线（-0.57%），但 $0.04 的中位成本让它登上了 Arena 的性价比前沿。这是小米的双拳策略：Pro 用名次证明开源模型能进第一梯队，Flash 用 $0.04 的单价卡进性价比前沿——一档性能一档价格，和手机市场的档位策略如出一辙。

和其他开源模型的对比

Agent Arena 开源模型前列竞争激烈。Pro 排第五，前面是四个开源模型；确认成功率排第二，说明在"真正完成任务"这个维度上，Pro 已经非常接近开源天花板。

值得注意的是，小米 MiMo 系列此前在开源榜单上以 46 分登顶过开源榜首（自动评估），这次 Agent Arena 的结果是补上了"真实任务执行"这一块的拼图——自动评估高分不等于真实任务好，但 Pro 在两个维度都站住了。

技术背景

MiMo-V2.6 系列于 2026 年 9 月 21 日发布，随后以 MIT 许可证开源。小米采用了规模化强化学习（scaled RL）方法训练，这在 Agent Arena 的结果中得到了验证——确认成功率开源第二说明模型在多步决策任务上的可靠性确实更强了。

MIT 许可证意味着商用无需额外协议，这对要私有部署、数据不出网的团队是直接利好。相比 Qwen-Image-2.1 等模型的非商业研究许可，MiMo 的开源条款更宽松。

对开发者的实际影响

1. 开源 Agent 模型的竞争从"参数和刷榜分数"转向"真实任务可靠交付"。Agent Arena 的确认成功率指标比传统基准更能反映生产环境的可用性。
2. 小米的档位策略让选择更清晰：Pro 冲性能天花板，Flash 卡性价比前沿。如果你的 Agent 任务偏重多步推理，Pro 值得试；如果是高频简单任务，Flash 的 $0.04 成本极具竞争力。
3. 一代之内从 -7.23% 翻到 +3.17% 说明迭代速度很快。如果这个节奏持续，MiMo-V2.7 可能进一步缩小与闭源模型的差距。
4. MIT 许可是真正的商用友好。不需要谈商务协议，直接部署。

需要注意的

• Arena 分数来自真实用户会话投票，会随样本量和任务分布变化。+3.17% 是相对基线的净提升，不是绝对胜率。理解为"每代更强"成立，理解为"已经无敌"过头了。
• 确认成功率虽然严格，但"确认完成"的定义可能因任务类型而异。不同领域的表现可能有差异。
• 所有数据来自 Arena 10 月 1 日公告，小米官方未发布独立的 Agent Arena 评测报告。

来源与验证

• Arena 官方公告：2026 年 10 月 1 日，通过 toolnavs.com 报道
• 8,100+ 真实 Agent 会话样本
• 上代 V2.5-Pro 数据：开源第 13，净提升 -7.23%
• 开源许可：MIT，github.com 小米 MiMo 仓库
• 发布日期：2026 年 9 月 21 日
• 此前自动评估：开源榜首 46 分
• 成本数据：Flash 中位 $0.04，Pro 中位成本比 Flash 高 56%