就在刚刚，小米正式发布并开源 MiMo-V2.6 系列模型。
此次发布包含两款原生全模态模型。MiMo-V2.6-Pro 面向复杂编程、Agent 和专业任务，MiMo-V2.6-Flash 更强调性能、效率与成本之间的平衡。
小米还同步推出 MiMo-V2.6-Pro-UltraSpeed，官方称其在保持模型质量的前提下，输出速度最高可达到 Pro 版本的 20 倍。
而除了版本更新，APPSO 之前也报道过，小米把一场持续近六天、合计花费约 347 万美元的强化学习训练公开到了网上。
从训练进度、成本变化到任务通过率，外界可以近乎实时地观察两个模型如何在 30 个 RL step 中逐渐提升能力。小米将它视为探索 RSI，也就是递归自我改进路线的一次重要尝试。
MiMo V2.6 登场，国产开源模型迎来新标杆
官方公布的结果显示，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index v4.3 中获得 46.32 分，超过 Kimi K3 和 Qwen3.8 Max。
小米据此称其为当前该榜单得分最高的开源模型，同时表示 V2.6 沿用了 V2.5 的 API 价格，希望用相同成本提供更高的智能水平。
具体到各项基准测试成绩，Pro 在 DeepSWE v1.1 中获得 71.9 分，接近 DeepSeek V4.1 Flash 的 74.2、Claude Opus 5 与 GPT 6 Astra 的 74.0；在 Toolathlon-verified 中获得 76.9 分，高于 GPT 5.6 Sol 的 74.9；
在 Automation Bench v1.0.6 中获得 53.1 分，略低于 DeepSeek V4.1 Flash 的 54.8，高于 GPT 6 Astra 的 52.0；面向真实职业任务的 JobBench 得分为 62.0，仅次于 Claude Opus 5 的 65.7。
网页与可视化界面生成，也是此次更新的重点。
在小米自建的 MiMo Visual Coding 评测中，Pro 和 Flash 分别获得 72.3 分和 71.5 分，高于 DeepSeek V4.1 Flash 和 Claude Opus 5，但与 GPT 6 Astra 的 82.2 分仍有差距。
当然，整体来看，MiMo-V2.6 尚未在所有能力上追平闭源前沿模型。
Pro 在 Terminal Bench 4.0 中获得 34.9 分，与 GPT 6 Astra 的 59.6、Claude Fable 5.1 的 55.1 仍有明显差距，在多项网络安全评测中也整体落后于头部闭源模型。
不过，对开源模型而言，46.32 分的综合成绩与便宜大碗的 API 价格放在一起，可能比个别榜单上的名次更有现实意义。
六天烧掉 347 万美元，小米豪赌 RL
MiMo-V2.6 背后的训练过程，可能比最终分数更能说明小米想做什么。
APPSO 也第一时间查阅了 MiMo-V2.6 的技术报告：MiMo-V2.6-Flash 和 Pro 分别完成 30 个强化学习 step，各自产生约 75 万条训练轨迹，成本分别约为 85 万美元和 262 万美元。
两个模型的平均任务通过率相对提升约 25% 和 12%，在没有参与训练的长程软件工程评测 DeepSWE v1.1 上，Flash 从 48.8 分提高到 65.68 分，Pro 从 58.4 分提高到 72.57 分。
多个项目在训练后半程仍保持增长。小米据此判断，大规模 RL 仍有较高的样本效率，而且收益能够扩展到训练分布之外，模型学到了一定的通用长程执行能力。
训练规模也远超常见的后训练实验。
每个 step 包含 1568 个 prompt，每个 prompt 同时生成 16 条候选轨迹，相当于一次处理约 2.5 万条长序列和 27 亿至 37 亿训练 token，最长上下文达到 100 万 token。
任务覆盖编程、通用 Agent、视觉和网络安全，并混合多个运行环境；评分系统则对同一问题下的多条轨迹进行比较，为长链路任务提供更细致的奖励信号，引导模型减少无效步骤和 token 消耗。
大规模 RL 也容易出现训练漂移和奖励投机。
模型可能寻找评分规则的漏洞，表面拿到高分，实际没有完成任务。小米在训练期间固定 MoE 路由器，并通过奖励设计、对抗评测、异常检测和多个验证器交叉核验提高稳定性，同时统一不同 Agent 框架产生的轨迹格式，让多类任务进入同一套训练系统。
技术报告 🔗 https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/blob/main/MiMo_V2_6_technical_report.pdf
罗福莉在发布后将 MiMo-V2.6 称为「扩展 RL 的艰难之路」。
她表示，按照算力投入衡量，它很可能是开源模型团队迄今规模最大的单次强化学习训练之一。在算力稀缺的情况下，小米仍让一支数十人的团队长期围绕同一个目标工作，先通过中期训练积累模型潜力，再用大规模 RL 将其释放出来。
在罗福莉看来，MiMo-V2.6 背后的研究创新和工程难度，甚至超过她曾部分参与的 DeepSeek R1。她也解释了 MixRL 与 MOPD 的分工。
代码等难度适中、能够可靠验证的 Agent 任务进入 MixRL，以获得可以跨任务迁移的能力；游戏、3D、超长链路和评价标准偏主观的任务分别训练，再通过 MOPD 合并回主模型，避免拖慢 rollout 或造成数据过期。
上下滑动查看更多内容
罗福莉认为，扁平的团队结构也降低了 MixRL 的组织成本，不同领域的成员可以围绕同一个模型共同解决 RL 障碍。
小米此次开放的也不只有模型权重。
MiMo-V2.6 的训练曲线、奖励机制、任务配比、关键参数和成本构成均被写进技术报告，外界可以据此观察两个模型在 30 个 RL step 中如何变化，并尝试复现这套大规模 Agentic RL 方法。
为了让算力和预算有限的研究者也能参与，小米还发布了由 Qwen3.5-9B 蒸馏而来的 MiMo-V2.6-Distill-Qwen-9B，以及约 7000 个覆盖代码、网络安全、知识工作和视觉开发的 RL 任务环境。与之配套的验证器、端到端 RL 训练框架和 mini-harness 也一并开放。
小米贡献给开源社区的，因而不只是一个训练完成的模型，还包括模型如何获得这些能力的过程与工具。如此慷慨，他真的，我哭死。
Vibe Coding 的尽头，是 Vibe World
小米把 MiMo-V2.6 从自然语言编程延伸到可以交互的数字世界，并将其称为 Vibe World。
模型能够依据文字、图片或视频拆分任务，协调多个 Agent 搭建 3D 场景、编写交互逻辑，再通过渲染结果反复修改。
在游戏与 3D 任务中，MiMo-V2.6 可以生成互动场景，并操作 Blender 制作可用于动画、3D 打印和游戏开发的资产；
在具身仿真中，它能够读取多视角画面，控制 Franka Panda 机械臂完成抓取、颜色匹配和精确摆放。
设计与内容生产方面，模型可以从一句需求生成网页或幻灯片，调用 Figma、图片和视频生成工具补充素材，并继续完成镜头组织、动画、配乐和旁白；
音乐案例中，它为约十种乐器创作管弦乐，生成乐谱并转换成 MIDI。
MiMo-V2.6 还展示了两个科研案例，并强调模型没有接受过专门面向科研任务的强化学习训练。
MiMo-V2.6-Pro 在材料专家指导下完成 PFAS 吸附材料的检索、假设、模拟与候选筛选，还协助研究人员用 Lean 4 完成《周期三蕴含混沌》主要定理的形式化，最终项目超过 6000 行代码并通过内核验证。
从搭建游戏场景到协助科研，MiMo-V2.6 展示了处理复杂任务的潜力。
不过，要让这些能力走出案例演示、进入日常工作，开发者还需要考虑两个现实问题，模型是否方便调用，以及长时间使用的成本能否承受。
MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 目前已经登陆小米 AI Studio、MiMo Code、MiMo Desktop、MiMo API 平台及 OpenRouter，MiMo Desktop 也结束早期测试，迎来首个正式版本。
模型能力之外，小米此次更具进攻性的筹码依然是价格。
Flash 的缓存命中输入、普通输入和输出价格，分别为每百万 token 0.02 元、1 元和 2 元；Pro 则分别为 0.025 元、3 元和 6 元。
追求响应速度的开发者还可以选择 Pro-UltraSpeed，其三项价格分别为每百万 token 0.25 元、30 元和 60 元，相当于用普通 Pro 十倍的调用成本，换取最高 20 倍的输出速度。
开发者需要处理海量 token、运行长链路 Agent 或大规模部署模型时，调用成本会随着任务规模迅速累积。
在同等智能水平下，MiMo-V2.6 系列的价格仅为海外模型的 1/20 至 1/60。
当国产模型逐渐追上前沿能力，又把价格压到同级海外模型的几十分之一，竞争的压力便转向了价格更高的一方，它们需要证明多出来的溢价究竟能换来什么。
从这个意义上说，MiMo-V2.6 正在成为 AI 模型市场新的斩杀线，能力低于它的产品越来越难被选择，价格高于它的产品则需要给出更充分的理由。
