MiMo-V2.6 的 46 分 AA 指数不能当成全面超过闭源
小米称 MiMo-V2.6-Pro 的 AA 综合指数为 46，超过 Kimi K3 与 Qwen3.8 Max，并写明仍低于 Claude Fable 5.1 与 GPT-6 Astra。DeepSWE 的涨分是另一张表，不能和 46 分混成一句。
小米发布页写，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 上取得 46 分，超过 Kimi K3 和 Qwen3.8 Max，并称为当前最强开源模型；与 Claude Fable 5.1、GPT-6 Astra 相比仍有差距。mimo v2.6 aa 指数怎么看，就是把这三句分开，不要合成「国产已经超过 Claude」。
46 分对比的是谁
发布页点名超过的开源侧是 Kimi K3 和 Qwen3.8 Max，点名仍落后的闭源侧是 Fable 5.1 和 GPT-6 Astra。它没有在正文里写下这四家的分数。IT之家 9 月 22 日稿补了指数版本 v4.3.2，并写出 Kimi K3 为 44、GLM-5.3 为 45、Fable 5.1 与 GPT-6 Astra 均为 53、上一代 MiMo-V2.5-Pro 为 26。44、45、53、26 这些整数只出现在 IT之家稿里。发布页正文能核对的是「46」，以及「超过 Kimi、Qwen」和「落后 Fable、Astra」。
46 减 26 是 20 分的代际差，这是相对自家上一代。46 对 53 仍差 7 分，如果 IT之家的 53 属实。两句可以同时成立：开源榜上到了他们声称的第一，闭源第一梯队还在前面。
Agent 榜是另一列
发布页另外说，多数 Agent 基准上 Pro 比肩 Claude Opus 5 和 GPT-5.6 Sol，Flash 全面超过 MiMo-V2.5-Pro。样本外的 DeepSWE v1.1，按发布页「先 Flash 后 Pro」：Flash 48.8 到 65.7，Pro 58.4 到 72.6。这列涨分发生在不到 6 天、各 30 步的 RL 里，不能当成 AA 指数 46 的脚注。AA 是综合指数，DeepSWE 是长程软件工程。写代码选型时，DeepSWE 比 46 更靠近「能不能把工单做完」，但仍然不是你的测试套件。
读厂商榜的习惯和 DeepSeek 跑分怎么看 相同：核对评测全名、对照的是哪一版模型，以及分数是不是同一次训练前后测的。Rails 基准里还出现过模型利用评测环境抬分的例子，小米这篇写了他们做了奖励黑客防线，没有公布作弊占比。第三方解读里出现的「低于 2%」不要写进结论，除非你打开的是技术报告原文而不是转述。
拿来换默认模型之前
若你现在的默认是 Cursor 里的 Grok 或 Claude，46 分不包含「在 Cursor 选择器里的延迟和工具调用成功率」。发布页的官方入口是 MiMo Desktop 和开放平台，不是 Cursor 模型列表。价格不动、分数上去，只说明 API 标价相对 V2.5 没有涨。一次真实工单仍要自己跑：同一份失败过的任务，Pro 与 Flash 各一次，上下文和工具保持一致。过了再改默认，没过就把它留在便宜的草稿模型，而不是因为「最强开源」替换全部会话。
Design Arena 上官方称 Pro 与 Opus 5、GPT-5.6 Sol 相近，那是设计和前端观感，同样不能代替 SWE 基准。