mimo-v2.6-pro 对比 gpt-6-astra：鹈鹕骑车、糖果盒等 8 道趣味探针实测，顺带抓到一次 API 路径"降智"

先说结论，再说为什么这个结论要打折。

TL;DR#

• 8 道趣味探针、每题各跑 3 次、共 48 次正式调用：mimo-v2.6-pro 23/24，gpt-6-astra 24/24。
• 7 道"经典陷阱题"（糖果盒心智理论、r 计数、9.11 vs 9.9、退化过河、Alice 姐妹、藏头诗、自指词数句）两边全部答对——这批题已经区分不出 2026 年旗舰的差距。
• 唯一拉开的是鹈鹕骑自行车 SVG：gpt-6-astra 3/3 稳定出图；mimo 2/3，其中一次思考 331 秒、16000 token 全部烧在 reasoning、正文返回空字符串。差距在稳定性，不在上限——mimo 最好的一张不输 gpt。
• 实付成本：28 次 gpt-6-astra $0.261**，28 次 mimo **$0.028，9.3 倍。但这 9.3 倍里有相当一部分不是模型价差，见下一条。
• 必须声明：本次 gpt-6-astra 走的默认路由每个请求被中间层塞进约 4100 token 的前置指令（一句 "hi" 的 prompt_tokens=4121），采样多样性也异常低。文中所有 gpt-6-astra 数据只代表"2026-09-22 经该路径访问到的 gpt-6-astra"，不代表 OpenAI 原生 API。

为什么先声明：API 上测到的不一定是模型本体#

做模型对比之前，我们先查了两条线各自的路由。这一步很多评测文章不做，但它决定了后面所有数字的含金量。

也就是说 gpt-6-astra 这条线每个请求都背着一段看不见的系统提示。它会影响三件事：模型行为可能被那段提示改变；每次输入固定多付约 $0.013；usage 透传不完整。mimo 那条线是官方直连、零注入、usage 完整。

这就是大家常说的"API 降智"的一种具体形态：不是模型变笨了，而是你调用到的东西和官方 API 之间隔了一层你看不见的封装。任何网关、聚合站、转售线都可能有这个问题，包括我们自己的默认路由。排查方法只有一个：发一句 "hi"，看 prompt_tokens 是不是个位数。

另外两条通用声明：每题只跑 3 次，样本小，只能说明"当天这条路径上能否稳定做对"；两族分词器不同，token 数不能跨族相除，本文只比正确率、输出字符数、实付美元和秒数。

测试对象与价格#

价格来自 Crazyrouter 定价页，实付来自后台按 token 计费的日志。

测试环境#

统一走 OpenAI 兼容端点，无 system prompt，默认温度，非流式：

curl https://api.crazyrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $CRAZYROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.6-pro",
    "messages": [{"role": "user", "content": "Generate an SVG of a pelican riding a bicycle. Output only the SVG code, no explanation, no markdown fences."}],
    "max_tokens": 16000
  }'

每次调用记录 id、usage（含 reasoning_tokens）、finish_reason、耗时和完整正文。SVG 用 Playwright 渲染成 480px PNG 供人工判读。

8 道题与结果#

几个有意思的样本：

藏头诗，mimo 三次：

路远山川阔 / 由来天地长 / 更逢春雨后 / 快马踏花香
路途远且长 / 由山入云间 / 更上一重岭 / 快马踏清风
路远行人稀 / 由来秋意深 / 更向孤村去 / 快马踏寒林

藏头诗，gpt-6-astra 三次：

路远逐晨光 / 由心向远方 / 更登千仞岭 / 快意任翱翔
路远春风近 / 由心逐晓光 / 更登千仞岭 / 快意览朝阳
路远春风近 / 由心逐晓光 / 更登千里岫 / 快意向朝阳

自指句，mimo："This sentence has five words."（5，真）；gpt："This sentence contains exactly seven English words."（7，真）。

鹈鹕实验：唯一拉开差距的一题#

这道题来自 Simon Willison 的经典基准：让模型直接写 SVG 代码画"鹈鹕骑自行车"，考的是不看图的情况下把两个复杂物体的空间关系用坐标表达出来。

SVG 原件可直接下载（都是模型原始输出，未经修改）： mimo #0 · mimo #2 · gpt-6-astra #0 · gpt-6-astra #1 · gpt-6-astra #2

三个观察：

1. gpt-6-astra 三张图是同一个模板换配色——同样的海滩、云、喙形、围巾。结合藏头诗和自指句的"三次同答"，这条线的采样多样性接近零，像是温度被中间层固定了。这是路径问题还是模型特性，本轮无法区分。
2. mimo 三次差异大：好的时候不输 gpt，坏的时候整次作废。作废那次实付 $0.0139，是 mimo 本轮最贵的一次，而用户拿到的是空字符串。
3. 耗时：gpt 三次 82–96s 稳定；mimo 43–331s，方差极大。

延迟#

短答题 mimo 略快；长输出 gpt 更稳。

生产接入建议#

接 mimo-v2.6-pro（以及任何推理模型）必须处理"reasoning 吃光预算"：

resp = client.chat.completions.create(model="mimo-v2.6-pro", messages=msgs, max_tokens=8000)
choice = resp.choices[0]
if choice.finish_reason == "length" and not choice.message.content:
    # 思考耗尽预算、正文为空——重试时收紧 max_tokens 或换模型，别把空串当结果存下去
    ...

max_tokens 不是越大越安全：mimo 那次失控恰恰是因为给了 16000 的预算让它"想得起"。对确定性任务给 4000–8000 反而更稳。

接任何海外旗舰前，先做一次 "hi" 探针：看 prompt_tokens 是否个位数、id 是不是官方形态、usage 字段是否齐全。这三项任何一项异常，都说明中间隔了一层，你的评测和成本估算都得重算。Crazyrouter 后台的路由检查工具可以直接看到某个模型当前落在哪条渠道、有几条候选，注册后在模型页能查到每个模型的可用端点和价格。

什么场景选谁#

• 代码/结构化生成要稳定出结果：本轮 gpt-6-astra 3/3 vs mimo 2/3，稳定性优势明确。
• 高频短问答、成本敏感：两边正确率相同，mimo 便宜 9 倍以上且延迟略低。
• 中文约束写作：两边都满足硬约束，mimo 多样性更好。
• 需要看 reasoning 用量做成本控制：mimo 每次都回 reasoning_tokens；gpt-6-astra 这条线时有时无。

FAQ#

Q：为什么用这些"趣味题"而不是标准 benchmark？ 标准 benchmark 大概率进了训练集，趣味探针（尤其鹈鹕 SVG）需要模型现场把空间关系编成坐标，没法背。缺点是主观判读，所以我们把原件全放出来。

Q：mimo 那次空输出是不是平台的问题？ 不是。finish_reason=length、reasoning_tokens=16003、content="" 都是上游原样返回，且是小米官方直连、零注入。这是推理模型在开放式长输出任务上的已知风险。

Q：gpt-6-astra 的 4100 token 注入是什么？ 一段中间层加的前置指令，缓存命中 3968 token，28 次恒定。我们没有看到它的内容（它不在响应里），只能从 prompt_tokens 反推。要排除它的影响，需要用 OpenAI 官方渠道钉线复测，这是下一轮的事。

Q：9.3 倍成本差有多少是注入造成的？ 28 次里注入部分约 115K prompt token，其中 111K 命中缓存（缓存价为输入价的 10%），折算约 $0.076，占$0.261 的 29%。剩下的才是模型本身的价差。

Q：为什么不测多模态？mimo 不是全模态吗？ 本轮只测纯文本。图片/视频输入另立计划。

Q：3 次够吗？ 不够下"谁更强"的结论，够发现"某条线三次同答"和"某模型三次里一次失控"这类稳定性信号。后续会补 18.7K 长上下文假前提题（各 6 次）和重推理题（各 13 次）。

相关文章#

• gpt-6-astra 对比 Claude Fable 5.1：输出少了 60%，但有一部分是答少了
• Claude Fable 5.1 对比 Fable 5：同题实测输出效率、正确性与那些不会报错的破坏性变更
• 为什么选择 Crazyrouter 而不是 OpenRouter？三个实打实的差异
• 模型定价页 · 接入文档

最终判断#

在 2026 年 9 月这个时间点、这两条具体路径上：趣味探针分不出两者的智力差距，分得出的是稳定性（gpt 稳、mimo 有失控风险）和成本（mimo 便宜一个数量级）。而比这两条更值得带走的是：评测之前先发一句 "hi"，看看你调用的到底是谁。

下一轮：mimo-v2.6-pro 与 gpt-6-astra 补长上下文和重推理题；gpt-6-astra 换官方渠道钉线复测"三次同答"；之后按计划推进 mimo-v2.6-flash vs claude-sonnet-4-6、kimi-k2.7-code vs claude-opus-5。