测试环境调整与初步体验
本次评测针对小米 Mimo V2.6 系列模型，涵盖 Pro 和 Flash 两个版本。由于在 Linux 系统（使用 Pi、Open Code 及 Codeex CLI）上遇到了工具调用循环问题，测试环境最终切换至 Windows 系统并下载官方原生框架。性能虽有提升但依然存在不稳定性，作者形容其表现如同正弦波般起伏不定。这种波动导致测试结果极具两极分化：有时令人惊叹，有时则完全无法使用。
"Sometimes it was fantastic and like wow this could get insane in all caps... but other times it was like what are you doing?"
这种极其 choppy（断续/不稳定）的性能表现是本次评测的核心背景。作者强调，由于前期测试中遇到了大量工具调用无限循环的故障，导致 token 消耗异常高（约十亿级别），因此本次视频将结合已有的基准测试数据与新的深度手动测试，以全面评估模型的真实能力。
技术规格对比：Pro 与 Flash
Mimo V2.6 系列包含三个版本，除主流的 Pro 和 Flash 外，还有一个基于 Qwen 3.5 的密集 90 亿参数版本（Qwen 9B），该版本注入了来自更大 V2.6 模型的蒸馏推理轨迹，虽未在本视频详细测试但值得单独分析。Pro 模型拥有超过一万亿参数（1T+），采用混合专家架构（MoE），激活参数量为 420 亿。它原生支持多模态输入，包括视频和音频，并具备百万 token 的上下文窗口。Flash 模型同样支持多模态和长上下文，但规模更小：总参数量为3090 亿（30.9B），激活参数仅为 150 亿。尽管 Flash 模型体积约为 Pro 的三分之一，但其基准测试得分与 Pro 相差无几。
"The flash model... is within a leap of the pro model, which is always nice to see"
这一性能差距极小的特点使得 Flash 模型成为业余级本地 AI 部署的理想选择。两个主要版本均在 Hugging Face 上以 MIT 许可证开源，这在当前大模型领域较为罕见且友好。此外，小米在训练过程中进行了在线直播展示，公开了检查点时间、总成本等详细数据，这种透明度在大型实验室中并不多见。
定价策略与订阅成本分析
小米 Mimo V2.6 的定价极具竞争力，被作者称为"loadbearing price（承重级/极低）”。Flash 模型的 API 价格为输入每百万 token 14 美分，输出为 28 美分。Pro 模型稍贵，输入每百万 token 43 美分，输出为 87 美分。考虑到其宣称的性能表现，这一价格极具吸引力。
为了模拟普通用户的真实体验，作者购买了官方订阅计划。该月费计划原价约 50 美元，折扣后为 44 美元/月。在测试初期，作者发现已消耗了该计划额度的 31%。这一高消耗率主要归因于测试过程中遇到的工具调用无限循环故障（glitching out looping tool calls），导致产生了约十亿级别的 token 消耗。作者指出，这一数据并不能完全反映正常情况下的使用成本，但确实揭示了潜在的技术缺陷对资源消耗的巨大影响。
实际案例测试：Guitar Center 游戏与 Saab 900 Turbo 网站
在桌面应用的实际测试中，作者展示了一个因操作失误导致的混合案例。原本意图使用 Mimo V2.6 Pro 测试 Guitar Center 游戏场景，但粘贴的提示词文件中意外包含了另一个使用 GPT6 Soul 生成 Saab 900 Turbo 3D 模型展厅网站的任务。结果，Mimo V2.6 Pro 同时执行了这两个独立任务，整个过程耗时约 1 小时 6 分钟。虽然作者承认这是自己的失误（"That's on me. My bad"），但这一案例展示了模型在处理复杂、多任务混合提示时的行为模式。
另一个重点测试是 Guitar Center 游戏场景（"Guitar Store Shred"）。在使用 Mimo V2.6 Pro 生成后，作者发现生成的场景存在严重的视角问题。模型似乎绘制了完整的场景，但相机位置被固定在屋顶上方，导致用户无法看到商店内部。更糟糕的是，生成的界面中缺乏调整相机视角的功能或选项。这一案例直观地反映了模型在空间理解、用户交互逻辑以及功能完整性方面的不足，印证了前文提到的性能波动问题。
"The camera is just basically over the roof. So we have no ability to actually see inside the store... Unfortunately, I'm not noticing any way to actually adjust the camera."
这一测试结果表明，尽管基准分数亮眼，但在具体的创意生成和交互逻辑实现上，Mimo V2.6 仍存在明显的可用性缺陷。
模拟器调试与商店暴动测试
评测者首先对吉他店模拟器的相机视角进行了修复，解决了之前相机位于屋顶上方导致无法视物的问题。在测试中，随着商店愤怒指数的上升，评测者尝试发起战斗以快速消耗该指数。当生命值下降并击败攻击者后，评测者指出如果愤怒值达到100%，整个商店将发生暴动。这一环节作为初步体验，虽然过程简单，但为后续更复杂的任务测试奠定了基础。
3D建模与展厅网站构建：Pro vs Flash
评测者使用提示词要求模型在 Blender 中创建一辆80年代中期 Saab 900 Turbo 的3D模型，并构建一个展示新车特性的展厅网站。结果显示，Pro 模型生成的车辆细节严重不足。虽然车身轮廓和外部规格基本符合现实，且具备不同配色、车门开启等功能，但车内几乎没有任何可见细节。评测者直言：“It doesn't seem like it has any detail that's visible inside the vehicle. So, so far definitely not off to a great start.” 相比之下，Flash 模型在本地 AI 爱好者眼中可能更令人满意。尽管车轮样式并非100%完美，但网站前端设计出色，包含关于 Saab 源自喷气式飞机制造的背景故事、 Trollhättan 制造地信息以及 GLAMOUR SHOTS，整体呈现了丰富的车辆 lore。评测者认为：“The actual website here, if we ignore the models of the vehicle, front end wise, this definitely is not bad.”
代码生成能力：复刻复古赛车游戏
评测者展示了一项极具说服力的测试，即使用 Flash 模型处理由 Fable 5.1 生成的 Markdown 文件，要求复刻一款复古风格的 Formula 1 C++ 游戏。这一测试中，Flash 模型显著优于 GLM53。生成的代码实现了近乎完美的复刻（95%还原度），具备像素级视觉效果、多摄像机视角、音效和转向遥测数据。评测者指出：“This was really truly very impressive and something that made me like, wait a minute, this is a very, very stark display of intelligence right here.” 尽管存在车辆起始位置随车移动的光影瑕疵，但漂移物理逻辑高度还原了80年代赛车的失控特性。NPC 车辆的碰撞和不可控性也符合当时赛车模拟游戏的特点。评测者总结道：“It did a significantly better job even with the cinematic camera and things like this.” 这一结果让评测者对 Flash 模型的表现持更加乐观的态度。
初始测试失误与Flash模型的城市生成
在开始正式评测前，作者进行了一次意外的“撞墙式”测试。他向模型输入了一个关于Hot Wheels交叉赛道汽车3D打印模型的提示词，结果生成的模型虽然形状并非最优（如悬浮尾翼），但视觉效果远优于GPT和Claude生成的扁平楔形物体。然而，这次测试暴露了模型在处理文件路径时的严重缺陷：当提示词指向的文本文件位于闪盘且被移除时，模型陷入了死循环尝试读取不存在的地址，而非报错或请求确认。作者指出：“Something that is on me for having removed the media... But the problem is the model just like kept trying to find it.” 这种缺乏基本错误处理能力的表现令人失望，导致该次对话线程“彻底报废”。随后作者重新发起请求，使用Flash模型成功生成了Chrono City场景。
Flash模型的年代细节演变分析
Flash模型生成的1945年场景展现了良好的基础构建能力，包含公交车、复古衣着人物及几何感树木。细节方面，路灯颜色发生变化且建筑顶部有水塔和消防梯，尽管场景仅由四栋建筑组成。进入1965年，模型成功通过平面过渡切换时代风格：车辆出现尾鳍设计，人物服装变得鲜艳张扬，整体色调呈现中期世纪风格。值得注意的是建筑高度未变，但美学氛围显著改变。
1985年的场景中，模型避免了常见的“紫色天空+橙色色调”套路，而是采用了霓虹灯风格。建筑立面完全更新为80年代玻璃设计，虽然路灯样式未变，但整体氛围营造得当。从1985年过渡到2005年时，模型展现了更细致的更新：路灯设计发生改变，车辆造型更加现代且色调趋于沉稳。到了2025年场景，模型进一步提升了细节层级：建筑屋顶增加了直升机停机坪，空调外机被太阳能板取代。这些细微但关键的元素变化表明模型对时代特征的捕捉具有一定的深度。
未来场景表现与Pro模型的引入
对于205年的未来场景，Flash模型同样表现出色。虽然建筑屋顶高度未变以反映时代差异，但场景中出现了无人机或悬浮舱等交通工具。作者特别赞赏了光影效果：“the lighting here is actually kind of cool... Like, we'll compare it to 85 cuz that's the only other one that has like kind of dark out.” 尽管205年场景常被其他模型错误地渲染成类似1985年的风格，但Flash模型在此处保持了独特的未来感。作者总结认为，考虑到这是较小规模的Flash模型，其细节关注和时代特征的连贯性令人满意。最后，作者指出Pro模型在后续测试中展现了更强大的能力，并准备引入GPT-6 Soul进行对比。
Pro 模型初探：2007年《RuneScape》大交易所复刻
作者首先尝试让模型完美复刻2007年《RuneScape》的大交易所场景。初始结果仅为2D平面，缺乏3D感。作者未明确指定3D要求，认为部分责任在自己。然而，经过二次提示词优化后，Pro模型生成的最终效果令人惊喜。作者认为该结果优于GPT6 Soul模型的产出，尽管两者都需要后续提示词来提升质量。3D场景中的行走动画流畅，界面元素如小地图、物品栏（包括鲨鱼食物）均还原到位。作者确认角色属性已满级99，装备齐全。战斗机制中“冰爆”与“火击”法术特效鲜明，尤其是火焰效果被形容为极具戏剧性。吃鲨鱼恢复20点生命值的机制也被准确实现。角色穿戴火披风（Fire Cape）等细节增强了怀旧感，作者对Pro模型在原生环境下的表现表示满意。
Pro 模型的缺陷与 Flash 模型的显著进步
尽管Pro模型在视觉还原上表现出色，但其原生运行存在严重的逻辑循环问题。作者在测试中发现模型会反复读取文档达50次以上，陷入死循环。作者愤怒地质问：“WTF? Are you unable to see the command history...?”。这种循环错误在Pro模型中频繁出现，导致作者放弃进一步调试。随后，作者转而测试Flash模型在吉他商店游戏复刻中的表现。删除了之前的Pro模型对话历史后，Flash模型的输出质量显著提升。作者指出：“This is just such a significant improvement over what we got with Pro.” Flash模型生成的吉他物理效果更佳，重型攻击（K键）判定准确，且吉他在被拾取时能从墙上掉落。尽管摄像机角度受限，但整体交互体验远优于Pro模型。Flash模型在处理此类游戏逻辑时展现出更高的稳定性与完成度。
遗留问题：Subway FPS 项目的低质量初稿与冻结故障
作者回顾了早期使用V2.6 Pro模型生成的《Subway》第一人称射击游戏项目。该初稿被作者评价为“低保真且糟糕”，主要问题在于贴图、泛光（bloom）和光照效果极差。虽然瓷砖铺设整齐，但整体视觉体验低下，需要大量后续提示词进行修复。在测试过程中，作者尝试观察火车进站场景。模型在处理列车入场动画时频繁出现冻结现象，这在多种不同模型中均常见。作者认为这种卡顿虽具恐怖氛围（“creepy in a good way”），但暴露了模型在复杂动态场景渲染上的局限性。光照和敌人模型的压缩细节不足，进一步印证了Pro模型在处理高复杂度3D场景时的不稳定性。这一案例表明，即使经过提示词优化，Pro模型在原生状态下仍难以保证复杂游戏场景的流畅运行。
视觉与逻辑修正：从6分到8.5分的快速迭代
在针对Mimo V2.6 Pro模型的初步测试中，作者对初始生成的3D场景给出了6/10的评分。虽然基础框架尚可，但存在明显缺陷：光照效果不佳、敌人模型过于简单（仅为基本几何形状），且环境中缺乏细节如弹孔。然而，令人印象深刻的是模型的学习速度：在短短8分钟内，Mimo Pro便完成了这些修改。重新审视更新后的场景后，作者确认主要问题已得到解决：光照不再刺眼、环境中出现了弹孔细节。此外，敌人模型从简单的形状进化为具备面部特征的复杂实体，尽管偶尔会出现朝向错误等小瑕疵。作者指出：“在不到八分钟的时间里完成了这些更改，对于Pro模型来说，这个速度相当快。”尽管整体表现仍远未达到Frontier等顶级模型的工业级水准，但这种快速自我修正的能力证明了其具备从6.5分提升至8.5分潜力。
评测结论待定与后续展望
本次关于 Mimo V2.6 系列的初步测试与回顾至此结束。对于该产品的最终表现和定位，目前的结论尚需进一步观察。Overall TBD I would say（总体而言待定），这表明虽然进行了全面测试，但最终的定论可能需要结合更多实际应用场景或后续更新才能确定。这一部分作为第一视角的评测收尾，旨在为观众提供初步的使用体验和性能反馈，但并未给出绝对的优劣判断。
关键特性：Quen模型提及
在总结主要硬件或系统测试之外，还有一个值得注意的软件层面细节。评测中特别提到了 distilled 9 billion parameter Quen（蒸馏后的90亿参数Quen模型）。这一信息被单独列出，暗示其在当前测试环境或产品生态中具有 interesting as well（同样有趣）的特性。对于关注AI能力或特定模型部署的用户来说，这是一个重要的补充信息点。
互动与致谢
最后，视频制作者呼吁观众在评论区留下任何关于 Mimo V2.6 或相关技术的疑问。If you have any questions, please leave them in the comments（如有任何问题，请留在评论区）。这不仅是对观众的互动邀请，也反映了评测内容的开放性和后续讨论的空间。感谢观众观看本次测试内容。Thanks for watching（谢谢观看）作为结束语，标志着本段评测内容的正式完结。
结论
Mimo V2.6系列呈现显著的性能两极分化。Pro模型（1T+参数）在视觉还原与复杂逻辑迭代上具备潜力，能在8分钟内将场景评分从6分提升至8.5分，但其原生运行存在严重的工具调用死循环与逻辑故障，导致稳定性极差且Token消耗异常。Flash模型（30.9B参数）虽规模较小，却在代码生成、游戏逻辑复刻以及时代细节构建上展现出更高的稳定性与完成度，甚至优于Pro模型在部分任务中的表现。尽管存在环境适配导致的测试波动及基础错误处理缺陷，Flash模型凭借极具竞争力的定价与接近Pro的基准得分，成为本地部署的高性价比选择。