9月22日凌晨，小米正式发布并开源MiMo-V2.6系列，包含全模态旗舰MiMo-V2.6-Pro与高效推理模型MiMo-V2.6-Flash两款原生全模态模型。Pro在Artificial Analysis Intelligence Index v4.3中拿到46.32分，超过Kimi K3的44分与GLM-5.3的45分，成为当前评分最高的开源权重模型。
榜首开源，距闭源仍差约7分
相较前代MiMo-V2.5-Pro的26分，Pro一口气提升了20分。不过官方同时给出参照系：Claude Fable 5.1与GPT-6 Astra同榜均为53分，开源榜首与闭源天花板之间还有约7分差距。Flash则定位智能、效率与成本的均衡点，性能全面超过上一代的V2.5-Pro。
6天30步，强化学习训练全程直播
这代产品被小米视为探索递归自我改进路径的关键一步：把算力投进可验证的复杂任务，让模型在探索与反馈中持续扩展能力边界。Pro与Flash的训练各完成30步，历时不到6天，成本分别约262万与85万美元，累计产生约75万条训练轨迹。
训练任务平均通过率分别相对提升12%和25%；在样本外的长程软件工程基准DeepSWE v1.1上，Pro从58.4分升到72.6分，Flash从48.8分升到65.7分，分数上涨约14分和17分，说明改进没有停留在训练任务本身。
算力扩展沿三条线推进：单次更新使用1568个样本，支持100万Token上下文长度训练，单步训练消耗35亿至37亿Token；构建覆盖编程、通用、视觉、网络安全方向的多任务环境并混合多种执行框架；加大评分模型算力，用组内相对比较给长程任务提供更精细的奖励信号。
规模扩大后，团队冻结MoE路由以抑制专家负载漂移，并搭起覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的防线，专门应对奖励作弊。
从写代码到造交互世界
MiMo-V2.6把3D空间推理、多模态感知与计算机操作三类能力合在一起。在3D开放世界游戏场景里，模型接收图片、视频或文字输入后，会把需求拆成多个任务，由多智能体协作完成场景搭建、交互逻辑编写和视觉验证，再按渲染结果反复修正。
它还能根据文字描述或参考图在Blender中完成三维建模，产出可用于动画、3D打印和游戏开发的资产；在具身仿真环境中，可直接读取多视角相机画面，闭环控制Franka Panda机械臂完成抓取、颜色匹配和精准放置；在电脑操作场景中，它能理解图形界面、调用常见办公工具并根据视觉反馈排查问题。
科研、审美与开源清单
没有经过科研专项强化学习，Pro已协助研究者筛选用于吸附PFAS（全氟和多氟烷基物质，被称为”永久性污染物”）的金属有机框架材料设计方案；它还在Lean 4中完成了经典论文《周期三蕴含混沌》主定理的完整形式化，形成6000余行通过内核核验的代码。设计榜单Design Arena上，Pro的表现接近Claude Opus 5与GPT-5.6 Sol。
本次开源不止权重：技术报告、7000多个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）、基于verl与uni-agent等构建的端到端训练框架、可组合的轻量执行框架全部开放，还包括9B蒸馏版——它在11项评测上全面超过SFT基线，例如SWE-bench Verified从61.1分升至66.2分。
价格沿用V2.5体系：Flash每百万Token输入0.14美元、输出0.28美元，Pro输入0.435美元、输出0.87美元，缓存命中价格更低；同智能水平下，官方测算价格仅为海外模型的二十分之一至六十分之一。另有UltraSpeed模式提供最高20倍输出速度，MiMo Desktop桌面端也同步发布正式版。
46.32分不是终点——真正稀缺的是把训练代码、任务环境和权重一起交出来的那份”可复现”。开源与闭源之间剩下的约7分，要靠下一轮算力去填。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
