大家好，欢迎来到本期节目。今天我们要评测的是 MiMo V2.6 Pro 模型。这是一个采用 MIT 许可证发布的开源权重模型，因此对商业应用非常友好。我们将通过一个由多台 Mac 组成的集群来运行它。这个模型令人兴奋的一点是，查看基准测试图表时，它的表现非常出色。例如在 DeepSWE 任务中，我们获得了 71.9 分的成绩。

目前 GLM 可能是表现最好的开源权重模型，但它使用的是自定义许可证。这意味着如果你通过它赚取了一定金额的收入，就需要告知他们你正在使用该模型。相比之下，DeepSeek 仅获得了 66.9 分。另外还有一个 DeepSeek v4.1，其 SWE 分数标称为 74 分。但如果你仔细阅读细则，会发现如果使用 OpenCode，其得分仅为 65 到 66 分。他们似乎进行了多次测试并挑选了最佳结果，这有点像是“樱桃采摘”，即从大量样本中选取幸运的高分。

尽管我们不确定 MiMo 2.6 是否也采用了同样的挑选策略，但无论如何，该模型是预量化的。要让它正常工作，你需要大约 573 GB 的内存。我曾尝试将其量化以在 512GB 的系统上运行，但我发现这个模型对量化并不友好。会出现大量的代码错误和失误，性能表现不佳。如果你打算运行这个模型，即使是 Flash 版本，也请务必使用 8-bit 量化。不要尝试更低的精度，否则你会拥有糟糕的体验。

话虽如此，让我们直接进入正题看看它的实际表现吧。目前我正在用这个模型进行最后一次生成测试，以全面验证其功能。这是一次智能体（Agent）生成任务。我们正在制作一个《侠盗猎车手》风格的游戏，并赋予了模型工具调用能力。我要求它创建所有内容并将其保存到 GTA 文件夹中。稍后我会进入该目录，将其与 Flash 版本进行对比。不过让我们先从基础设置开始讲起。

我是通过集群来运行这个模型的。在服务器端，我进入了“Cluster”选项卡，并将我的 Mac Studio 和 M5 Max 设置成了一个集群。也就是说，我将 M4 Max、M5 Max 以及 Mac Studio 这三台设备连接在一起作为一个整体使用。你可以看到绿色的指示灯，表明它们目前都已成功连接。起初，我主要只使用 Mac Studio 和 M4 Max 进行大多数生成任务。但后来我发现，当上下文超过 100,000 tokens 时，内存就会耗尽。因此，在集群中加入第三台电脑帮助解决了这个问题。

连接完成后，我进行了基本的“Hello”测试，得到了一个不错的结果：每秒 15 tokens。这非常接近全精度版本的性能。虽然我对其中一个小部分进行了量化，可能本不该这么做，但目前的测试结果看起来非常好。首先我们要测试的是一个 3D 太阳系生成任务，关闭思考模式（Thinking disabled）。系统生成了 1,800 tokens。播放后，这是一个相当标准的 3D 太阳系生成效果。

当我尝试运行该模型的量化版本时，也就是一个 Free-bit（此处可能指特定低精度）量化的 3D 太阳系任务，结果却是一片黑屏。随后我尝试了另一种更高级的量化方案，得到了这个画面。虽然明显不如全精度版本好，但可以预见的是，当你执行更复杂的任务时，生成质量会进一步下降。这一点我很快就会向大家展示。接下来我要展示的测试是启用思考模式（Thinking enabled）下的 3D 太阳系生成，生成了 5,000 tokens。

这次生成的速度为每秒 14.75 tokens，得到的结果并不是最令人印象深刻的 3D 太阳系版本。如果你使用 Qwen for Exps 等工具，可能会得到更好的效果。但关键在于它没有出现运行时错误或编译错误，这表明我们的推理代码是正常工作的。接下来我想展示的是一个核爆炸效果，具体来说是热核爆炸。系统生成了 2,900 tokens，点击引爆按钮后，你可以看到一个漂亮的爆炸效果。

现在将其与 3-bit（此处原文为 three Bitcoin，结合上下文应为 3-bit）量化版本进行对比。如果你想在单台系统上运行它，播放时会直接出现运行时错误，完全无法正常工作。即使启用思考模式，也会出现同样的运行时错误。所以量化后的表现确实不太好。虽然生成了 31,000 tokens，但当你尝试量化它时，效果并不理想。如果你保持在其展示的 9-bit（原文为 9 bit，结合前文 8bit/3bit语境及内存需求，此处可能指较高精度或特定量化位宽）量化水平下运行情况会有所不同。

我现在切换过去，并启用思考模式。我会展示几次生成过程。实际上，我将温度参数（Temperature）设置为 0。当温度为 0 时，模型有时会陷入循环。这次生成中，它确实陷入了一个思考死循环（Thinking loop）。虽然我有“思维检测”功能，但在分布式计算机环境中我尚未实现该特性。不过我会很快将其加入。目前我用另一种方式解决了这个问题：进入 Token 检查器（Token Inspector），查看深灰色部分，这些代表模型正在考虑自行结束思考的时刻。

你可以点击其中一个点，选择“End Think”标签（结束思维标记）。系统提示说“我现在将编写代码”，然后你选择 End Think，模型就会从该点继续执行，但此时思考功能已禁用。这就是我在本次生成中采取的操作。最初在这个测试中，它生成了 30,000 tokens 的代码。点击引爆后，背景中似乎有一些建筑物，爆炸效果确实令人印象深刻。但看起来背景中有建筑却看不见任何细节，我推测可能是太阳位置或光源位置设置错误。

于是我将这个问题反馈给模型，告诉它屏幕是黑的，看不见建筑物，而且我不希望建筑物被炸毁。在后续对话中，由于我们的上下文窗口已扩展至 65,000 tokens，它又生成了三万多 tokens。这就是我们最终得到的结果：这里有一堆建筑物，看起来像是用乐高积木搭建的，并且具有真实的物理动画效果。这非常令人印象深刻！看那个爆炸效果，太酷了。我实际上还没见过其他模型能做出这样的东西。

话虽如此，我并没有提示它用核爆炸去摧毁这些建筑物。所以这是一个非常有趣且令人印象深刻的演示。当上下文达到 65,000 tokens 时，生成速度降到了大约每秒 12 tokens。接下来我们将尝试制作一个无动画的 WebGL 人脸模型。我们不使用 3D Gaussian Splatting（3GS），也不使用高级库，而是直接使用裸机 WebGL 进行渲染。

它生成了一种类似鸡蛋的形状，可能还带有一点尖尖的像山脉碎片的东西。那里看起来像是眼窝。不过他有两只鼻子，后面一个，前面一个。相当于买一送一，一张脸变两张。

现在我们想看看开启思考模式后的脸部生成效果。启用思考后，我们得到了3.3万个令牌。我确实遇到了类似的情况，在思考过程中出现了循环。所以是的，我需要将带有思维检测器的功能移植到分布式计算上，但看看他生成的这个结果。我们得到了一个非常漂亮的脸。必须说，他有一条超级的一字眉。不知道这在未来是否流行，但这里确实有某种一字眉的效果。他看起来非常美丽。这是一次非常好的脸部生成结果，太棒了。为你感到骄傲，这很好。

在这里我们试图制作《侠盗猎车手》，思考模式已禁用。得到了一些类似引言的内容，世界在旋转，你可以开车，但控制方式有点奇怪和古怪。我是不是刚翻了个底朝天？是的。当你按右键时，它直接向上转了90度。所以有点古怪。我不会说这是一个好的生成结果。当我再次启用思考模式时，它陷入了思维循环。我想你也可以增加温度值。但提高温度的问题是，我发现它会生成语法错误的代码。所以也许可以通过通过思考阶段后停止它，然后以零温度继续运行来作为变通方案。

但我之前用了完全相同的技巧，只是检查标签，比如它不再说“正在编写”，我可以选择结束思考标签。我成功为《侠盗猎车手5》重制版生成了一些代码，并在10万个令牌内完成了。让我给你看看这10万令牌的GTA内容。这是Rockstar North呈现的《侠盗猎车手5》。所以它真的很舒适，并没有审查“Rockstar North”这个名称。你知道有些模型不喜欢使用真实的公司名称之类的东西，但这个没有审查。

我注意到这里的一点是场景有点暗，所以那里有些问题。我可以看见这个角色，光线有点昏暗。可能需要后续提示说：“嘿，灯光太暗了，你能修复一下吗？”但让我们看看我能否进入其中一辆车。看看会发生什么。我有5000美元，这不错。是的，我在车里了。我可以控制汽车，可以移动。不过动作也有点生硬，可能需要后续提示来修复这个问题。但至少没有运行时错误，这是一个好的开始，因为它生成了一个可工作的版本。

现在我在做这个的代理模式版本。目前它正在保存输出，而不是像HTML那样保存一个完整的文件，而是将JS、main等所有内容保存到几个不同的文件中。我这样做的原因是之前我用Qwen 4 exp和Nemo V2.6 Flash测试过代理模式。这是Qwen 4 exp，让我给你看看。它用超过10万个令牌生成了这个内容。我发现使用代理模式时会消耗更多令牌，但可能会得到结构更好的代码，因为JavaScript文件被分离出来，而不是一个完整的块。

这是Qwen 4 EXP版本，它有声音效果。手臂动作有点滑稽。那个人刚撞倒了某人。摄像机一直在移动。好的，我成功指挥了一辆车，这不错。让我们看看我能否撞倒这个人。砰！我撞倒了某人。我想警察现在要来抓我了。汽车一直在绕圈，有些东西坏了，可能需要一些后续提示。这是一个由40 XP生成的奇怪世界城市，这里有很多汽车。让我们撞向其中一辆吧，这挺酷的。如果我再撞倒一个人，希望警察会来。砰！你可以看到我现在被警察追赶了。这里做了很多工作，有AI警察，哦那是一次碰撞，还有人在向我射击，所有警察都在朝我开枪。所以我很快就会完蛋了。

这是一次有趣的生成体验，但我也用Mimo 2.6 Flash版本做了测试。这里是它的版本，与Qwen 40 XP非常相似，但希望摄像机的抖动问题会得到修复。让我们看看。哦，这个角色的动画更好看一些。看那个样子真的很美，这是一个非常好的结果，看起来很漂亮。我要进入那辆车了。是的，驾驶体验好多了。这个版本有一个问题是左键变右行，右键变左行，但我见过最大模型如Opus和Astra也有这种情况。所以这不是该模型的独有缺陷，但这确实比2040 XP的生成结果更好。做得不错！

我不知道我能否撞倒人，但城市看起来确实更好了。让我们看看。哦，我把那个人撞倒了，很好。希望警察会开始追我，如果他们真的编程了那部分的话。好的，我现在有两颗星了，希望警察不会...哦，他们来了。看那个！这是一次非常漂亮的GTA生成结果，做得真的非常好。我正在被追赶，被警察追。我想表达的重点是现在我用代理模式制作它，所以它会单独保存文件，我会看看是否能做出更好的生成。确实如此，虽然会花更长时间，但这就是现实情况。

与此同时，我们想看看它如何处理将照片转换为代码的过程。我们将尝试重现这个场景。有趣的是，它立刻知道这是《帝国时代2》，我并没有说是《帝国时代2》，但它立即检测到了。是的，多模态现在也能与集群一起工作了，所以一切都好。但在这次生成中，不幸的是它没有做太多事情，这是思考模式禁用的情况。所以我这里有启用思考模式的版本，但这里也没有做太多事情，没有做出好的生成结果。

于是我想测试一下如果不使用图像会怎样，看看添加图像是否阻碍了它的生成能力。在思考模式禁用的情况下，我们在这里得到了6000个令牌。它去了Unsplash并挑选了一张非常合适的背景图片用于菜单系统，所以干得好。所有东西都分类在这个小数据库里了，点击开始游戏...

我们可以做一些事情了。所以，我正在去矿里找食物。显然，这就是你要做的：进入矿井开采矿石。但不幸的是，我无法创建额外的村民。它拥有游戏的皮肤，但并没有完全成型。所以，它可能需要后续的提示来引导它往那个方向发展。

另一方面，如果我们启用思考模式，它会生成32,000个令牌，希望这个更诱人的演示能成功。我们之前开始游戏时有的背景现在没有了，但我们得到了一些选择菜单。所以我可以获取树木，可以获取黄金。我还想获取矿石，也就是铁矿石。创建村民的功能也没有起作用。所以这里的菜单系统有点损坏，但总的来说，它生成的东西看起来还不错。也许这次的生成稍微好一些。显然消耗了更多的令牌，但效果可能更好。

这里的生成确实有潜力可挖。这真正棒的地方在于什么？没有运行时错误。仅仅使用一个提示，我们就得到了扎实的结果且没有任何错误。这太棒了。接下来，我们要尝试看看这是否真的有趣。试图制作《古墓丽影》。所以我给它一张《古墓丽影》的图片。我不认为它知道什么是《古墓丽影》，因为它说只是要重新创建这个文件。

禁用思考模式时，你知道的，它做它能做的。没那么令人印象深刻，但启用思考模式后，现在生成了……我们这里只有5,000个令牌。所以我不认为这个演示它了解得太深入了。我们确实有一把枪，而且我们有光照效果。所以这挺不错的。实际上枪支上的反射光照很逼真，我们甚至真的可以射击油桶。所以它弄明白了这一点。但是跑动时并没有真正起作用，而且有点陷在地里了。所以工作做得不太好。

另一方面，如果我们只是问它一些提示词，有些之前在Flash版本中失败的提示是“倒带”问题。所以问它关于B选择的问题。现在，它确实知道这与克雷格·大卫有关。所以你最好表演一个克雷格·大卫的模仿秀。实际上有个有趣的事情是，如果我们去免费版，它其实足够聪明地告诉你，你需要在螺栓选择器处大喊“倒带”。所以它实际上知道答案，但当我用最大量化版本运行时，它并没有完全展开细节，但我们更接近正确答案了。所以那里没有倒带功能，但克雷格·大卫比之前Flash版本中关于WinRT问题的结果要好。

Pro版本在这个问题上也没有得到正确答案。我认为Flash版本已经做得非常出色了。我是说，也许这个核爆炸效果不错，而且3D面部也是好的。那是一个突出的功能，但它现在需要集群计算了。你不能只在单台机器上运行所有这些东西。而且它运行速度慢了很多。在这里我们可以看到，我们几乎完成了GTA的生成过程。我们可以看出我们已经创建了import.js文件。所以让我们看看我们的文件系统。我们可以看到在GTA文件夹中，我们有两个JavaScript文件和CSS文件。所以它还在努力工作着。我想我现在就把结果发布出来给你们看。

好的，现在是《侠盗猎车手：洛圣都》的时间了。所以这是洛圣都，开场介绍很平滑、缓慢且优雅，但我们确实有开场动画。我们只想跳过它并开始游戏。所以我们可以看到这里有一个小个子角色，他在那儿蹦蹦跳跳，直到倒下。我能看到那里有一辆车和一个行人。所以我想做的第一件事是：我可以射击行人吗？所以我拿了一把枪。嗯，是的。成功干掉了一个家伙。所以这挺不错的。会有警察吗？感觉背后有伏兵。让我们抢这辆汽车，看看我能否逃脱。哦，糟糕。看那个。警察已经追上来了。这还挺不错的。所以我们可以看到《侠盗猎车手》的生成效果很好，我们在这里生成了大约100,000个令牌。

城市看起来非常壮观。也许需要更多行人才能完全令人满意，但我被挤出了道路。哦，还有一个家伙。让我们看看我能否撞倒这个家伙。砰！砰！完成。完成。我的通缉等级是二级。任务开始点在那边，但又有一个人要撞倒。砰！你迟到了，兄弟。现在，作为一个侧面测试，我这次也试图使用提示词来制作它。我说“只输出所有必需的文件”。所以现在我们将仅使用单独的文件来制作游戏，但我们是在一个聊天提示界面中完成的。所以我们会看看那个生成过程如何发展，这样我们就知道是实际的智能体产生了更好的结果，还是仅仅是代码结构给了我们更好的结果。

哇，那太惊人了。所以你们觉得MIMO v2.6 Pro版怎么样？我必须说，它是MIT许可证的，并且在基准测试中名列前茅。所以我必须给他们鼓掌叫好。是的，结果非常棒，而且你可以将其集群化以使其全部正常工作，你只需要有一系列计算机一起努力让它运行起来。这对我们来说是令人兴奋的时代。希望你们觉得这个视频有用并享受了节目。