小米的 MiMo-V2.6-Pro 在 Artificial Analysis 智能指数上拿到 46 分，前代 MiMo-V2.5-Pro 是 26。接近翻倍，而且这是目前开放权重模型里的最高分——是最高，不是并列最高。真正值得琢磨的地方不在这两个数字，而在 Hugging Face CEO Clément Delangue 转发这条消息时那种"顺手一发"的姿态：开放权重这条线上，又有人把杆往上抬了一格。
26 到 46，翻倍的究竟是什么
智能指数不是一场单科考试
Artificial Analysis 那套指数的做法说穿了并不玄乎：把几组公开评测的成绩做完归一化再加权求和，覆盖推理、代码、数学、知识问答这几块。好处是横向可比，代价是掩盖偏科。所以看到 46 这个数字，第一反应不该是"小米模型变强了"，而应该是"它在大多数科目上都没有明显塌方"。一个模型如果代码封神、数学掉队，复合分是爬不到这个位置的。
翻倍的速度，比翻倍本身更值钱
从 V2.5-Pro 到 V2.6-Pro，版本号只跳了一位，跨度却有 20 分。这种幅度的跃升，靠堆参数基本堆不出来，多半来自强化学习规模的扩大、数据配比的重做、后训练流程的返工——这些活儿不出现在发布会的 PPT 上，却是真正的分水岭。开放权重阵营过去常被说"慢半拍"，眼下的情况是，这半拍正在被一点点抹掉。当然，46 分离闭源第一梯队还有明显距离，别急着喊超车。
开放权重内部的排序被打乱了
Code Arena 的 WebDev 榜上，MiMo-V2.6-Pro 大致在第 10 位附近，单看开放权重模型，大约第 3。这个位置挺微妙：综合分第一，垂直能力也进了前三。以往开放权重模型的常见剧本是"综合分好看，一碰具体任务就露怯"，这次没这么明显。第 10 和第 3 之间的那段距离，往往就是"能录个演示"和"能上生产"之间的距离。
权重放出来之后，账要怎么算
部署成本才是那道隐藏门槛
Artificial Analysis 的榜单一向不只给智能分，还会给出每秒输出 token 数和每百万 token 的花费，这两个数字对开放权重模型尤其要命。权重是白给的，算力不是。同样一个 46 分，跑在 GPU 集群上和跑在两张消费级卡上，商业含义完全是两码事。企业评估这类模型的正确姿势，从来都是先拿自己手里的硬件压一遍吞吐，再看分数。
权重到手，和能跑起来，是两件事
下一个几十 GB 的权重文件不费劲。费劲的是量化、显存调度、推理框架适配，以及长上下文下的稳定性。开放权重最大的隐性成本就藏在这里——没有官方托管 API 兜底，所有工程债都得自己还。这也是为什么 Hugging Face 模型页的评论区里，总有一半人在问"多少显存能跑得动"。
那条转发本身就是个信号
Clément Delangue 的身份是 Hugging Face 的 CEO。他转一条模型发布推文，动作很小，含义不小。开放权重生态的分发入口早就固化了，HF 是必经之路。小米选择在这个时间点放开权重，等于直接接入了全球最大的一批微调者和应用开发者。传播效率比开一场发布会高得多，成本却低得多。
一家手机厂商，为什么非要自己造基座
端侧和云侧，都得攥着一张自己的牌
手机厂商做大模型，逻辑并不复杂。端侧要小参数、低延迟、隐私不出设备；云侧要能扛住助手类产品每天烧掉的推理成本。这两头如果全靠外部 API，议价权就是零。MiMo 这条线一路推到 V2.6，说明小米不打算只当调用方。
开源换来的不是钱，是位置
把权重放出去，短期内看不到直接收入。换回来的是开发者的手、研究者的引用，还有招聘时简历上的那点吸引力。Meta 靠 Llama 走过这条路，阿里靠 Qwen 也走过。路径本身不新鲜，新鲜的是执行质量——同样一套开源策略，有人做成生态，有人做成公告。
榜单之外，还有几件事没有答案
分数是快照，产品是长跑
评测跑一轮只要几个小时，产品上线要跑好几年。46 分能证明模型在标准题库里表现稳定，可真实用户的问题没有标准答案，还夹着错别字、方言和缺失的上下文。榜单是入场券，从来不是终点线。
真正的验证，得等第三方动手
官方数字永远该打折看。接下来几周值得盯的是三件事：独立机构能不能复现这个 46 分？社区微调版本多久冒出来？推理成本有没有可能压到能上量的水平？任何一环掉链子，热度退得都会比涨得还快。
