同一天凌晨发布，同一个晚上跑完，结论完全相反。小米 MiMo V2.6 让我在凌晨三点重写了工作流，Grok 4.7 让我把打开的标签页一个个关掉。这不是一篇站队文，是一份花掉七个小时和几十美元 API 账单之后的实测记录。如果你正在给团队选模型，或者只是想知道自己的订阅钱花得值不值，下面这些对比可能比任何榜单都更接近真相。
一个凌晨，两次下载，两种心情
测试环境先说清楚
手头的设备是一台 M3 Max 的 MacBook Pro，外加一块 RTX 4090 的台式机做本地部署对照。测试集分成三块：一块是我过去半年真实攒下的编程任务，从重构一个 Python 爬虫到给 React 组件补类型；一块是长文档理解，塞进一份两百页的技术白皮书，让它做摘要并接受追问；最后一块是 Agent 链路，要求它连续调用搜索、文件读写和代码执行三种工具，完成一个带约束的多步骤任务。每块任务跑三遍，取中间那次的结果——模型输出本来就带随机性，只看单次表现容易被运气骗。
Grok 4.7：升级清单挺长，手感提升却很平
官方说明书写得漂亮，参数、上下文窗口、推理链长度都有提升。可落到我这些真实任务上，差异小到让人怀疑自己是不是装错了版本。重构任务里它给出的方案和上一代几乎一模一样，长文档追问到第七八轮开始丢细节，Agent 链路走到第三步就忘了最初的目标约束。它没有变差，问题在于它也没好到值得重新调一遍 prompt、重新跑一遍回归测试。升级的成本是真实的，升上来的收益是模糊的。
失望从哪来：预期被拉得太高
这半年 Grok 系列的发布会一场比一场炸，demo 里的表现一次比一次惊艳。但 demo 是被挑过的任务，是反复调过 prompt 的最优解。当我把真实工作里那些边界模糊、需求写在聊天记录里、带着七八个隐含约束的任务丢进去，落差立刻出现。这类落差不是 Grok 一家的麻烦，整个行业都跑不掉：发布会的天花板和日常使用的地板之间，隔着一条护城河。
便宜、快、够聪明，三角里总要牺牲一条边
门槛从来不在每百万 token 的标价上
API 定价表上写的是每百万 token 多少钱，账单上真正跳动的数字却取决于另外两件事：完成同一个任务要烧掉多少 token，以及失败之后要重试几次。单价便宜三成、但需要多轮对话才能收敛的模型，实际成本可能翻倍。我拿同一个编程任务做了对照，MiMo V2.6 平均 1.8 轮就给出可用结果，Grok 4.7 需要 3.2 轮，再加上更长的推理链，最终账单的差距远大于标价上的差距。
首字延迟这件事，体感比跑分诚实
跑分测吞吐，人感受到的是等待。输入一个两百字的问题，MiMo V2.6 大约一秒多开始吐字，Grok 4.7 要等三秒以上。听起来只差两秒，可一小时内连续问五十次，这两秒会累积成一种焦躁。写作、调试这类需要高频来回的场景里，首字延迟几乎决定了你还愿不愿意继续用它。快不是炫技，快是把思考的连续性保住了。
MiMo V2.6 把刀砍在了哪里
它并非全维度取胜。极端复杂的数学推理、需要十几步链式思考的难题，Grok 4.7 依然占优，那部分能力靠更长的推理链堆出来，砍不掉。MiMo V2.6 的取舍很清楚：放弃一部分极限深度，换来响应速度、调用成本和日常任务的稳定输出。对绝大多数把模型当生产工具而不是当研究对象的人来说，这笔交易划算得离谱。
榜单之外，还有三块没人愿意细说的战场
长上下文不是数字比赛
宣称支持一百万 token 和真的能用一百万 token，完全是两回事。我的测试方法很土：把两百页白皮书塞进去，然后从第一页、第五十页、第一百八十页各挑一个细节追问。MiMo V2.6 三处都能准确指回原文，Grok 4.7 在最后一处开始含糊，回答里出现了原文没有的数字。窗口长度是宣传语，中间部分的信息保留率才是工程能力。
连续调用工具，才是照妖镜
单轮对话里大家都像模像样。一旦进入 Agent 模式，模型得在十几次工具调用之间记住目标、记住已经试过哪些路径、记住哪条路走不通，差距立刻拉开。我设计的任务里埋了两个死胡同，MiMo V2.6 在第二次碰壁后换了策略，Grok 4.7 第三次又撞回同一个地方。参数量撑不起这种能力，训练阶段怎么处理多步任务才是关键。
权重开放，改变的是使用姿势
这一点常被忽略，却直接决定了很多团队的选型结果。权重可下载意味着能本地部署、能微调、能把敏感数据留在内网。金融、医疗、法务这些不能把数据发出去的场景，闭源模型再强也是一票否决。MiMo V2.6 在这件事上的意义，不在于它比谁聪明，而在于它把「能用」和「敢用」之间的那道墙推倒了。
榜单会过期，选型决策不会
Grok 4.7 还有翻盘的机会
我不打算给它判死刑。推理深度、在复杂代码库里的全局理解，以及 xAI 手里那套实时数据管道，都是别人短期复制不了的东西。如果下一版能把延迟压下来、把 Agent 链路的稳定性补上，局面随时会变。这个赛道没有终局，只有当前版本的高低。
三类人现在就可以动手
第一类是被 API 账单压着的团队，把高频、低难度的任务分流到 MiMo V2.6，复杂任务继续留在原来的模型上，一个月省下的钱够买台新机器。第二类是数据不能出内网的行业用户，权重开放基本是唯一解。第三类是做 Agent 产品的开发者，稳定性和成本这两条决定了产品能不能跑通，MiMo V2.6 眼下给出的组合最难被替代。
别拿一次评测当终局判断
我这七个小时只覆盖了一部分场景，样本也不算大。你的任务分布和我不一样，最优解很可能也不一样。更靠谱的做法是拿自己最常做的十件事建一个小测试集，两周跑一次，看趋势而不是看单点。模型迭代的速度快过任何评测文章的保鲜期，能长期复用的只有你自己那套评估方法。
