MiMo往左，Grok往右，46分的两面

9月21日，马斯克的xAI发布Grok 4.7。不到24小时，小米放出MiMo-V2.6-Pro。两个模型在Artificial Analysis智能指数上都是46分，同分，选的路完全相反。小米这边把训练过程全程直播，权重、框架、技术报告一起放了出来。Grok连参数量都没官方公布，训练的事一个字没提。进步幅度也差得远，MiMo从上一代的26分跳到46分，涨了20分，Grok只涨2分。

小米这边，东西全摊开了

MiMo-V2.6-Pro是稀疏MoE架构，总参数1.02万亿，激活420亿，上下文窗口100万token，原生支持文本、图片、视频和音频四种输入。这些数字官方全部公开，架构细节写在44页技术报告里。上一代V2.5-Pro在同一个榜上只有26分，20分的跨度在模型迭代里很少见，一代能涨个位数就已经算不错。

小米还干了一件以前没人干过的事。强化学习训练全程直播，公开仪表盘实时显示每一步的基准分数和token消耗。9月15日开始，不到6天跑完，Pro版花费约262万美元，仪表盘页脚写着一句话，“Open is what we value”。开源也是真开，MIT许可证，权重放在HuggingFace上随便下载，7000多个训练任务环境、完整的RL训练框架、轻量级测试套件全部放出，SGLang和vLLM的部署配置也给了，另外还放了一个蒸馏小模型供RL研究使用。

技术上有两个点挺有意思。训练方法叫"You Only RL Once"，在编码、通用Agent、视觉和网络安全四个领域做了一次混合强化学习，任务和能力在同一批数据里互相增强。团队另外发现，RL期间如果同时训练MoE的路由，负载分布会崩塌，把路由权重冻住就行，性能不受影响。

Agent是它最强的地方。AutomationBench 53.1分，Claude Opus 5是50.3，GPT-5.6 Sol是45.8。Terminal Bench 2.1拿到89.9分，是表里最高。DeepSWE代码Agent测试71.9分，离Claude Opus 5的74.0差2.1分。科研上也有实打实的东西，团队在Lean 4里完成了李约克混沌定理的完整形式化，6000多行代码，所有证明都通过Lean内核验证，还辅助设计了MOF材料并做了计算筛选。这类活以前很少出现在模型发布公告里。

短板同样清楚。竞赛编程ProgramBench 26.5分，Claude Opus 5是37.0。攻击安全ExploitBench 47.9分，GPT-5.6 Sol是78.5，差了30分。Terminal Bench 4.0只有34.9分，Claude Opus 5是49.0。同一个Terminal Bench，换个版本号成绩就掉一大截，这件事后面还会碰到。

价格是另一回事。输入每百万token 0.435美元，输出0.87美元，每个智能指数任务的完成成本约0.13美元，比同级别国际模型便宜20到60倍。订阅套餐每月6到100美元，另有夜间优惠和年付折扣。

xAI那边，能说的都留着

Grok 4.7的发布过程本身就挺曲折。从7月底开始，马斯克至少改了5次时间。“四周后"变成"几周”，又变成"3到4周"，9月1日说"10天"，9月11日说"需要再酝酿几天"，一直到9月21日才真的出来。参数量官方始终没公布，泄露的信息和马斯克早前的帖子称约2.1万亿，比上一代Grok 4.6的1.5万亿增长40%。架构据泄露是稀疏MoE，64个专家里选4个激活，激活参数约1820亿。这些都没有官方确认，往下看的时候得记住这一点。

xAI给自己的定位是"最强编码和知识工作模型"，在困难任务上工作更长时间，更仔细地自我检查。训练跑了更长的RL，任务更难，专门挑需要数小时才能做完的题，还用SpaceX的工程数据做补充训练，包括星链卫星遥测、制造记录和工程故障日志，这大概能解释它在电气工程测试上的好成绩。编码Agent方向提升明显，Coding Agent Index从47涨到56，EEBench电气工程测试64分，GPT-5.6 Sol是39.4，Fable 5.1是56.4，法律Agent测试Harvey 19.6分，Fable 5.1只有6.7。

Terminal-Bench 4.0是它最扎眼的短板。xAI自报38%，独立测评机构Artificial Analysis实测只有33%，Claude Fable 5.1是57.9%，GPT-6 Astra是60%，差了将近20分。自报和实测对不上，比分数本身更值得记一下。

还有一个问题不好忽略。Grok 4.7在xhigh档位下，每个智能指数任务要消耗约81000个输出token，Grok 4.6只要36000，GPT-6 Astra只要27000，token用得多，价格优势就要打折。定价单看数字还行，输入2美元每百万token，输出6美元，比Fable 5.1的10和50便宜不少。文档里另有一条，超过20万token的请求价格翻倍，公告页面没有提。

闭源，API only，权重不公开，技术报告也没有，自部署和微调都别想。模型卡里倒是写了一句，“我们从不静默降级智能或回退到其他模型”。至于实际表现怎么样，得用过了才知道。

两个模型核心规格对比

46分这个位置

两边共同的处境是都没到顶。Claude Fable 5.1和GPT-6 Astra都是53分，比它们高7分，在AI竞技场里7分不算小。MiMo用二十分之一到六十分之一的成本，做到了接近前沿的能力。Grok用二分之一到八分之一的价格，把自己摆在了价格性能的前沿上。Cursor和GitHub Copilot在Grok 4.7发布当天就接入了，这本身就是个信号，渠道有时候比分数更管用。

两个46分，是两种"够用"的哲学。MiMo把东西全摊开，谁都能下载权重自己跑，谁都能拿那7000多个训练环境接着做研究，靠极低的价格和全透明的过程把性价比拉到别人很难对上的位置。Hacker News上有用户说，他用MiMo-V2.5做日常软件工程，成本比用Anthropic便宜一个数量级，质量差不多。Grok不追求最强，够用、便宜、无处不在，通过Cursor、GitHub Copilot、X平台这些渠道铺开，让足够多的人用起来就行。

一年前的对照值得放在这里。开源模型和闭源前沿模型的差距还很大，现在只有7分，而且这个开源模型来自一家做手机的公司。跑到46分的模型，一年前大概要花掉每百万token好几美元，现在小米要0.435美元，xAI要2美元，都比Fable 5.1的10美元便宜得多。

46分以前是旗舰，现在是入场券。