一句话看懂：小米发布MiMo-V2.6系列开源大模型，在Artificial Analysis智能指数上成为排名最高的开源权重模型；同时Anthropic发布分析称，开源模型GLM-5.3的网络攻防能力已接近Claude闭源模型，提示防御方也能用上高能力模型。
事件核心：发生了什么
据The Batch第373期，小米发布了MiMo-V2.6-Pro-RL、MiMo-V2.6-Flash以及基于阿里Qwen3.5-9B微调的MiMo-V2.6-Distill-Qwen-9B。其中Pro-RL为混合专家架构，总参数1.02万亿、每token激活420亿，支持文本、图像、视频、音频输入，上下文最高100万token，文本输出最高12.8万token，生成速度44.4 token/秒。在Artificial Analysis智能指数上，Pro-RL以46分位列开源权重模型第一，表现接近GPT-6 Sol，且单任务成本更低。Flash在Vals Index上以59.58%居开源模型首位，Pro-RL以59.47%紧随其后，差距在误差范围内。小米还公开了7000多个强化学习任务环境及训练代码。
另一条线索来自Anthropic对GLM-5.3的网络能力分析：在ExploitBench部分漏洞利用任务中，使用相近token量，GLM-5.3成功率12%，Claude闭源模型Mythos为14%；GLM-5.3创建方在全基准上的报告差距更大，为54.4%对78.0%。Anthropic还发现，花费20.40美元的GLM-5.3-Flash token即可找到一个近期披露的Chrome漏洞。这些结果基于未经修改的GLM-5.3。
为什么重要
小米以手机和电动车闻名，此次在开源权重模型赛道冲到前列，说明开源模型的竞争正从传统AI公司扩散到硬件与消费电子厂商。开放7000多个RL环境和训练代码，可能降低开发者做智能体训练与评测的门槛。另一方面，Anthropic的数据显示，开源权重模型在网络攻防任务上正逼近闭源前沿模型，且漏洞发现与利用成本在下降。这意味着没有闭源模型访问权的防御方，也能用高能力开源模型做安全防护；但攻击方同样受益，防御工程需要更快推进。原文作者Andrew Ng认为，这类风险更多是工程问题，长期看防御方因掌握更多信息而占优，关键是加快沙箱、监控等安全机制的建设。
对用户/开发者/创作者的影响
对开发者而言，MiMo-V2.6系列提供了多模态、长上下文和工具调用能力，Pro-RL适合复杂推理与智能体任务，Flash和蒸馏版可能更适合成本敏感场景，但具体API定价和开放许可目前公开信息显示仍以月订阅等形式为主，需以官方文档为准。对安全团队来说，GLM-5.3类开源模型可作为漏洞挖掘和防御验证的备选工具，但应关注其被削弱护栏后的滥用风险。对创作者和企业采购，开源权重模型排名上升意味着选择增多，但评估时需结合自身任务、成本、合规和部署条件，而不是只看单一榜单。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是MiMo-V2.6系列的实际API开放范围、定价和商用许可是否明确，这决定它能否从榜单成绩转化为开发者生态。二是GLM-5.3等开源模型在ExploitBench之外的独立安全评测结果，以及监管是否会对高能力开源模型的使用提出新要求。三是Anthropic与GLM-5.3创建方报告之间的差距如何解释，这会影响外界对开源模型网络能力的判断。
来源：The Batch
