2026年10月1日，Arena 官方宣布，小米的 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 正式登陆 Agent Arena 榜单。这是 MiMo-V2.6 系列在 9 月 21 日发布、随后以 MIT 协议开源之后，第一次接受大规模真实智能体会话的检验。
先看 Pro 的成绩单：在 8,100 多个真实智能体会话中，Pro 拿到 +3.17% 的净提升，在开源模型里排第 5。对比项很有说服力——上一代 MiMo-V2.5-Pro 在同一榜单上排第 13，净提升是 -7.23%。一代之间，前进了 9 个名次、10.4 个百分点。更值得看的是 Confirmed Success 这个信号：Pro 在这项上拿到 +7.35%，开源模型里排第 2。Flash 则走性价比路线：开源第 9，净提升 -0.57%，但中位任务成本只有 0.04 美元，比 Pro 低 56%，同样落在 Arena 的性价比前沿上。
Confirmed Success 值得单独解释一下。Agent Arena 的评测不是做选择题，而是让模型在真实任务里动手干活；Confirmed Success 衡量的是任务被确认完成的质量信号，比单纯的"跑通了"更严格。Pro 在这项上排开源第 2，说明它不只是在刷会话量，而是在需要多步决策的任务里确实更可靠。我们之前报道过MiMo-V2.6 的开源发布，当时它以 46 分登顶开源榜；这次的 Agent Arena 成绩，补上了"真实任务执行"这一块拼图。
也要提醒一句榜单的局限：Arena 的分数来自真实用户会话的投票，会随着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。把它当成"一代比一代强"的证据是成立的，当成"已经无敌"的结论就过了。
对开源模型格局来说，信号很明确：Agent 场景的竞争已经从"参数和榜单分数"转向"真实任务里的可靠交付"。MiMo-V2.6-Pro 用一代的时间把净提升从负转正，还把 Confirmed Success 做进开源前二，说明小米的规模化强化学习路线在 Agent 工作流上见效了。对使用者而言，选择也变得更清晰：要上限选 Pro，要成本选 Flash——同一系列里，性能和价格分档已经拉开。
