小米 MiMo-V2.6-Pro 发布以后，又拿到了一项很有含金量的成绩。

在主要测试 AI 网页开发能力的：

Code Arena: WebDev

中，MiMo-V2.6-Pro 刚上线时便拿到：

1628 分。

一度进入总榜：

前十。

这个成绩与 Claude Fable 5（High）持平，并略高于当时获得 1624 分的 Hy4-preview。

在采用 MIT 许可证的开放权重模型中，MiMo-V2.6-Pro 也进入了前三。

更明显的是，与上一代 MiMo-V2.5-Pro 的 1475 分相比，新模型首测直接提高：

153 分。

不过，Code Arena 是一张持续变化的动态榜单。

随着真实用户投票不断增加，MiMo-V2.6-Pro 的当前成绩已经更新为：

1618±13 分。

实时总榜暂列：

第 19 名。

所以更加准确的说法应该是：

MiMo-V2.6-Pro 首轮 AutoEval 冲进前十，进入人工投票阶段后暂列第19，但仍处于MIT开放权重模型第一梯队。

一、Code Arena 测的不是“会不会写一个网页”

Code Arena: WebDev 并不是传统的静态代码题库。

它不会只给模型一道题，然后检查代码：

能不能编译；

有没有语法错误；

测试用例是否通过。

模型需要在一个真实的网页开发环境中完成完整任务。

例如：

制作一个具有暗黑模式的 Markdown 编辑器。

根据参考图片还原一个产品官网。

创建一个可以交互的数据分析仪表盘。

制作一个真正能玩的浏览器小游戏。

模型需要连续完成：

理解需求
↓
规划页面结构
↓
创建项目文件
↓
编写HTML、CSS和JavaScript
↓
运行与预览页面
↓
检查实际效果
↓
继续修改
↓
交付可以使用的网页

整个过程允许模型进行多轮操作，并调用创建文件、读取文件、编辑文件和运行命令等工具。

最终用户看到的不是一段代码，而是：

真正可以打开和交互的网页。

这也是 Code Arena 更接近 Vibe Coding 真实使用体验的地方。

二、1628 分属于 AutoEval 首测成绩

MiMo-V2.6-Pro 上线 Code Arena 后，最先公布的是：

AutoEval 1628 分。

AutoEval 是 Arena 为新模型设计的一套快速评测机制。

因为新模型刚加入排行榜时，还没有足够多的真实用户投票，如果完全等待人工数据积累，可能需要几天甚至更长时间才能形成稳定排名。

Arena 因此会先使用一个基于海量人类偏好数据训练的 Reward Model，对模型结果进行自动评价。

简单理解：

模型刚上线
↓
真实用户投票还不够
↓
Reward Model模拟人类偏好投票
↓
快速计算AutoEval分数
↓
进入临时榜单

因此，1628 分代表的是：

MiMo-V2.6-Pro 上线第一阶段的快速预估成绩。

它不是永久固定的最终分数。

三、真实投票增加后，当前暂列第19

随着真实用户开始在 Arena 中使用和比较 MiMo-V2.6-Pro，榜单会逐渐用人工投票更新 AutoEval 结果。

截至 Arena 当前公开页面标注的 9 月 25 日：

MiMo-V2.6-Pro：1618±13 分，排名第19。

同一榜单中：

DeepSeek V4.1 Flash（Max）：1621±11，排名第16。

GLM-5.3（Max）：1619±9，排名第18。

三款 MIT 开放权重模型之间只有几分差距。

而且它们的置信区间明显重叠。

这意味着，从当前统计数据来看，不能简单下结论说：

某一款模型已经明确碾压另外两款。

更准确的描述是：

DeepSeek V4.1 Flash、GLM-5.3 与 MiMo-V2.6-Pro，目前组成了非常接近的MIT开放权重模型头部梯队。Arena AI

四、从1475到1618，提升依然非常明显

虽然实时榜单不再是首测时的前十，但 MiMo-V2.6-Pro 相比上一代的提升依然很大。

当前榜单中的 MiMo-V2.5-Pro：

1477±5 分。

排名：

第56。

MiMo-V2.6-Pro：

1618±13 分。

排名：

第19。

按照当前实时数据计算，新一代提高了：

141 分。

排名上升：

37 位。

如果按照刚上线时的 AutoEval 结果计算，则是用户资料中提到的：

1628 对 1475，提高153分。

无论看首测数据还是当前人工投票结果，都说明 MiMo-V2.6-Pro 在网页开发能力上，并不是一次普通的小版本升级。

五、为什么这一代网页开发能力涨得这么快？

MiMo-V2.6-Pro 的提升，与这一代的训练方向有明显关系。

它是一款原生全模态模型，能够同时理解：

文本；

图片；

视频；

音频。

对于网页开发来说，视觉输入非常重要。

用户的任务可能不是一句纯文字，而是直接上传：

网页截图；

Figma 设计稿；

产品参考图；

操作录屏；

视觉风格案例。

模型需要先理解视觉内容，再结合代码实现页面。

整个流程会变成：

读取设计稿
↓
理解布局和视觉层级
↓
编写网页代码
↓
运行页面
↓
观察渲染结果
↓
对照参考图继续修改

相比只理解文字和代码的模型，原生视觉能力更适合：

设计稿转代码；

网页复刻；

UI 调整；

响应式适配；

交互动效开发。

六、1M上下文，也更适合完整项目

MiMo-V2.6-Pro 采用 Sparse MoE 架构。

总参数约：

1.02T。

每个 Token 激活：

约42B参数。

上下文长度达到：

100万 Token。

这使模型可以在一次任务中容纳更多：

项目代码；

产品需求；

设计文档；

图片素材；

工具调用记录；

历史修改过程。

对于一个真正的网页项目来说，模型可能需要同时理解：

全局样式；

组件库；

路由；

数据结构；

页面组件；

交互状态；

响应式规则。

上下文越完整，模型越不容易在修改某个页面时破坏其他部分。

小米官方模型卡也明确把 MiMo-V2.6-Pro 定位为面向长代码仓库、长工具轨迹和多会话 Agent 任务的全模态模型。Hugging Face

七、真正的提升来自大规模 Agent 强化学习

MiMo-V2.6 并不是只在普通网页代码数据上继续训练。

这一代将：

Coding；

通用 Agent；

视觉任务；

网络安全；

多种 Harness

放进同一套强化学习过程。

模型需要在真实环境中反复完成：

读项目；

写代码；

调用工具；

运行测试；

检查结果；

失败后继续修复。

这种训练方式更接近 Code Arena 的任务形式。

因为 Code Arena 测试的同样不是单次代码补全，而是：

模型能不能作为 Agent 持续完成一个网页项目。

模型在训练中积累的规划、工具调用、自我检查和迭代能力，最终都会反映在网页开发任务中。

八、它已经进入国际头部，但距离当前前三仍有差距

MiMo-V2.6-Pro 当前的 1618 分，已经超过大量知名闭源和开放权重模型。

但“性能直逼国际第一梯队”需要写得更准确一些。

当前 Code Arena: WebDev 前三名分别为：

Claude Opus 5.5（Max）：1827分。

GPT-6 Astra（Max）：1792分。

Claude Fable 5.1（Max）：1751分。

MiMo-V2.6-Pro 与当前第三名之间仍相差：

133分。

与第一名之间相差：

209分。

所以不适合直接写成：

MiMo-V2.6-Pro已经和全球最强闭源模型完全持平。

更加合理的表述是：

MiMo-V2.6-Pro已经进入国际网页开发模型的头部竞争区间，并在MIT开放权重模型中处于第一梯队，但与当前最强闭源旗舰仍存在明显差距。Arena AI

九、MIT许可证，是这次成绩更有价值的一层原因

MiMo-V2.6-Pro 的模型权重已经通过 Hugging Face 和 ModelScope 开放。

许可证采用：

MIT License。

这意味着开发者可以在遵守许可证要求的前提下：

下载权重；

本地部署；

私有化部署；

继续研究；

进行量化；

用于商业项目。

当前 Code Arena 排在它前面的许多模型，属于无法下载权重的闭源商业模型。

因此，对需要：

本地运行；

数据私有化；

企业定制；

模型研究；

自建 Agent

的开发者来说，MiMo-V2.6-Pro 的意义不只是排行榜分数。

它提供的是一款可以真正拿回自己环境中的头部模型。

十、AutoEval 和实时榜单为什么会变化？

AutoEval 与真实投票出现差异，并不意味着早期成绩是假的。

Arena 官方将 AutoEval 定位为：

Day-1 Signal。

也就是新模型发布第一天的快速能力信号。

Arena 使用基于人类偏好数据训练的 Reward Model 自动投票，再采用与正式榜单相同的方法计算分数。

官方测试显示，AutoEval 与后续真人评测的排名相关性超过：

0.98。

当两个模型真实差距超过10分时，AutoEval判断更优模型的准确率超过：

90%。

但当差距只有5分以内时，模型通常很难在统计上明确区分。

所以：

MiMo-V2.6-Pro 1628；

Claude Fable 5（High）1628；

Hy4-preview 1624，

更适合说明三者在首轮自动评估中处于同一密集区间。

不适合把4分差距写成明显领先。

随着更多人工投票进入，模型分数和名次继续变化，属于 Arena 排行榜的正常机制。Arena AI

十一、对于前端开发者，这个成绩意味着什么？

排行榜不能直接代替个人实测。

但 MiMo-V2.6-Pro 在 Code Arena 的提升，至少说明它值得在以下场景中测试：

设计稿转网页

上传 UI 截图或产品参考图，让模型生成 React、Vue 或普通 HTML 页面。

完整 Landing Page

从产品介绍开始，完成 Hero、功能介绍、定价、FAQ 和响应式布局。

Web 3D 与互动页面

结合图片、视频和文字要求，生成 Three.js 场景、小游戏或互动展示。

大型前端项目修改

读取现有代码库，在保持设计系统和业务逻辑的前提下修改多个页面。

自动视觉检查

运行页面后，结合截图检查间距、字体、溢出、响应式和组件一致性。

真正判断它是否适合自己的方式，仍然是：

拿同一个真实需求，同时交给 MiMo、Claude、GPT、GLM 和 DeepSeek完成。

再比较：

最终页面；

代码质量；

修改次数；

任务耗时；

Token成本。

结语

MiMo-V2.6-Pro 在 Code Arena: WebDev 的表现，可以分成两个阶段理解。

首轮 AutoEval

1628分。

约排名：

总榜前十。

与 Claude Fable 5（High）持平。

略高于当时 1624 分的 Hy4-preview。

相比 MiMo-V2.5-Pro：

提高153分。

当前实时榜单

1618±13分。

排名：

第19。

相比当前 MiMo-V2.5-Pro：

提高141分、上升37位。

在 MIT 许可证开放权重模型中，依然处于前三，并且与 DeepSeek V4.1 Flash、GLM-5.3 的成绩非常接近。

所以这条新闻真正值得看的，不是：

“小米已经打败了所有国际模型。”

而是：

小米只用一代更新，就把MiMo从WebDev榜单中游推到了开放权重头部。

而且这款模型可以下载、部署、研究和继续修改。

对于开源与开放权重生态来说，这比一次短暂的榜单名次更值得关注。

相关链接

小米 MiMo-V2.6 官方介绍
https://mimo.xiaomi.com/mimo-v2-6