小米开源 MiMo-V2.6 全模态模型：开源权重智能指数登顶，训练过程全公开

9 月 22 日，小米正式发布并开源 MiMo-V2.6 系列大模型，包含 Pro 和 Flash 两个原生全模态模型，权重以 MIT 许可证托管在 Hugging Face 上，同步开源的还有完整技术报告、训练环境与强化学习（RL）训练代码。这是小米在"递归自我改进（RSI）"路径上的一次系统性交付：不只在堆参数，而是把强化学习后训练的算力、方法、成本账本全部摊开给行业看。

开源权重登顶：46 分刷新纪录

MiMo-V2.6-Pro 在 Artificial Analysis 综合智能指数（Intelligence Index v4.3）中取得 46.32 分，超过 Kimi K3 和 Qwen3.8 Max，成为当前最强的开源权重模型。相比上一代 MiMo-V2.5-Pro 的 26 分，这是一个跨代式的跃升，距最强的闭源模型（Claude Fable 5.1、GPT-6 Astra）已只剩一步之遥，约等于 GPT-5.6 Sol 减一分。

在多数 Agent 基准测试上，MiMo-V2.6-Pro 达到了比肩 Claude Opus 5 和 GPT-5.6 Sol 的水平；MiMo-V2.6-Flash 则全面超越了上一代的 MiMo-V2.5-Pro。在长程软件工程评测 DeepSWE v1.1 上，Flash 版本从 48.8 提升到 65.68（约 +17 分），Pro 版本从 58.4 提升到 72.57（约 +14 分），体现了 RL 训练在样本外泛化上的能力。

架构与规模

MiMo-V2.6-Pro 是一个稀疏混合专家（MoE）模型：总参数 1.02 万亿，每 token 仅激活 420 亿，路由到 384 个专家中的 8 个。原生全模态设计，文本、图片、视频、音频输入统一融合进单个模型，视觉编码器 681M、音频分词器 308M。上下文长度扩展到 1M token。

MiMo-V2.6-Flash 总参数 3090 亿、激活 150 亿，定位是"小团队既用得起 API、也自己部署得起"的档位。另有一个蒸馏版 MiMo-V2.6-Distill-Qwen-9B 可在消费级显卡上本地运行。

值得注意的是，这一代模型在预训练架构和参数规模基本不变的前提下实现能力跃升，提升主要来自 RL 后训练——这是一条与"堆参数换性能"不同的路线。

6 天 RL 训练，成本算到美元

小米把这次 RL 训练做成了公开直播（Live RL），训练过程全程可查。关键数据如下：

  • Pro 与 Flash 各完成 30 步 RL 训练，累计约 75 万条轨迹；
  • 单次更新使用 1568 个样本，单步训练 Token 达 2.7~3.7B；
  • Pro 训练耗时 5 天 7 小时，成本约 262 万美元；Flash 耗时 3 天 11 小时，成本约 85 万美元，合计约 347 万美元；
  • 训练任务平均通过率分别相对提升 12% 和 25%。

这可能是目前国产开源模型中投入 RL 算力最多的训练之一。团队从三个维度扩展 RL：更大的 Batch 与全异步架构（支持 1M 上下文长度训练）、覆盖代码/通用/视觉/安全的多任务训练体系、更大的 Grader 算力为长程任务提供更精准的奖励信号。工程上则通过冻结 MoE Router 抑制专家负载漂移，并建立了覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的 Reward Hacking 防线。

全模态能力落地：从写代码到做科研

MiMo-V2.6 融合了 3D 空间推理、多模态感知与计算机操作（CUA）能力，官方展示了几个方向的应用：

  • 3D 开放世界游戏：输入图片、视频或文字后，多智能体协作完成 3D 场景搭建、交互逻辑编写与视觉验证；
  • Blender 3D 建模：根据文字或参考图生成可用于动画、3D 打印的资产；
  • 具身智能：以多视角相机画面为输入，视觉反馈闭环控制 Franka Panda 机械臂完成抓取与放置；
  • 科研辅助：协助材料团队设计吸附 PFAS 污染物的金属有机框架（MOF）材料方案，并自动调用计算工具完成"干实验"筛选；在 Lean 4 中完成了李-约克定理（周期三蕴含混沌）的完整形式化证明，产出 6000 余行通过内核核验的 Lean 源码。

前端网页、PPT、视频、音乐创作等"代码驱动内容生成"能力也有明显提升，Pro 版在 Design Arena 榜单上与 Claude Opus 5、GPT-5.6 Sol 水平相近。

性价比与开源资源

MiMo-V2.6 系列 API 定价沿用 V2.5 系列：Pro 输入 0.435 美元/百万 token、输出 0.87 美元/百万 token；Flash 输入 0.14 美元、输出 0.28 美元。官方称同等智能水平下价格仅为海外模型的 1/20 到 1/60，单任务加权成本约 0.13 美元，首次把前沿智能带入"0.1 美元区间"。开放平台同步提供 UltraSpeed 超高速模式，最高 20 倍输出速度。

开源资源方面，除了三个模型的权重和技术报告，还包括：7000+ 高质量 RL 任务环境（覆盖软件工程、漏洞复现、知识型工作、网页设计开发四类智能体任务）、基于 verl 和 mini-swe-agent 的端到端 RL 训练框架、轻量可组合的 mini-harnesses。以 9B 蒸馏模型为起点做 RL 训练，在 SWE-bench Verified 等 11 项评测中均较 SFT 基线取得提升。

结语

这次发布的看点不只在榜单第一。把 RL 训练的完整配方——任务环境、训练代码、逐美元的成本明细——全部开源，在头部模型团队里还是第一次。对于研究者和工程团队来说，这是一份可以复现、可以验证、可以在其上继续迭代的公开教材；对于行业来说，"强化学习能扩展到多远"这个问题，小米给出了一个数据扎实的阶段性答案。

来源：小米 MiMo 官方技术博客（mimo.mi.com）、Artificial Analysis、潮新闻等公开报道