一句话总结
2026 年 9 月 22 日，小米开源 MiMo-V2.6 系列：MiMo-V2.6-Pro 在 Artificial Analysis 智能指数上拿到 46.32 分，官方称已超过 Kimi K3 与 Qwen3.8 Max，成为迄今最强开源模型，而 API 定价与上一代 V2.5 完全持平。真正少见的是过程——他们把 RL 训练全程直播：两个模型各跑 30 步、各约 75 万条轨迹、成本约 85.4 万 / 262 万美元（合计约 347 万），并把 GPU OOM、网络中断、数据集坏 pattern、节点 VRAM 故障这些通常只出现在内部周报里的内容，公开写进了训练面板的 notices 里。
数据来源：小米 MiMo 官方发布博客《Introducing MiMo-V2.6 series》（mimo.xiaomi.com/mimo-v2-6，2026-09-22）、官方 实时 RL 训练面板（mimo.xiaomi.com/rl/）、Artificial Analysis 智能指数 v4.3（2026 年 9 月）、Hacker News 讨论帖（496 分、约 259 条评论）、XiaomiMiMo 官方 GitHub 组织页。文中配图来源已逐张标注。
上图截自小米 MiMo 官方发布页。右侧数字是这次训练的账单：1,505k 采样、156.4B token、347.4 万美元总成本、30 个 RL step。注意左上角的「2.6」是页面自己的视觉主题，不是迭代次数。
这次发布的是什么
官方这一版放出的不是一个模型，而是一个系列三档，且定位写得非常直接：
| 模型 | 官方定位 |
|---|---|
| MiMo-V2.6-Pro | 小米迄今最强模型，AA 智能指数 46.32，最强开源模型 |
| MiMo-V2.6-Flash | 在智能、效率、成本之间取最优平衡 |
| MiMo-V2.6-Pro-UltraSpeed | 同等质量下输出速度最高提升 20 倍，给对响应时间极敏感的工作流 |
两个基础型号都是**原生全模态（natively omnimodal）**模型——不是”文本模型外挂一个视觉编码器”，而是原生设计成多模态。定价表则更有意思：
| 模型 | 输入（缓存命中） | 输入（缓存未命中） | 输出 |
|---|---|---|---|
| MiMo-V2.6-Flash | $0.0028 | $0.14 | $0.28 |
| MiMo-V2.6-Pro | $0.0036 | $0.435 | $0.87 |
| MiMo-V2.6-Pro-UltraSpeed | $0.036 | $4.35 | $8.70 |
单位：美元 / 百万 token。缓存写入近期免费。官方原话是「与 V2.5 系列价格保持一致」——能力涨了，价格没动。
上图来自小米 MiMo 官方发布页（红线箭头是官方自己标的）。横轴从左到右是智能指数降序：Claude Fable 5（with fallback）53、Gemini 3.6（max）53、Grok 4.7（max）51、Claude Opus 5（max）48、GPT-5.6（max）47，然后是橙色的 MiMo-V2.6-Pro 46。它前面只剩闭源模型。
为什么这次的重点不是”又一个开源模型”
过去半年开源模型发布已经非常密集，“又一个刷榜”很难构成新闻。MiMo-V2.6 值得单独写，是因为它同时做了三件不太一样的事：
- 把 RL 训练成本打成了公开数字——精确到 85.4 万 / 262 万美元，而不是”我们用了大量算力”。
- 把训练过程本身做成了公开产品——训练时开直播面板，跑完面板还在，连故障记录都留着。
- 把”训练环境 + RL 代码”也算进开源清单——不只是给权重。
第 2 点和第 3 点合起来，才是官方那句 “built in public”（公开构建）的实际含义。
RL 是怎么跑的：30 步、75 万条轨迹、347 万美元
官方公布的训练账本很干净：不到 6 天，MiMo-V2.6-Flash 与 MiMo-V2.6-Pro 各自完成 30 个 RL step、各约 75 万条轨迹，成本分别约 85.4 万美元和 262 万美元。
效果则分两层：
- 训练任务自身的平均通过率相对提升 25%（Flash）与 12%（Pro）；
- 留出（held-out）的长程软件工程基准 DeepSWE v1.1 上，提升了约 17 分（48.8 → 65.68）与约 14 分（58.4 → 72.57）。
官方对这两组数字的解读值得抄下来：RL 表现出样本效率、整段训练持续在涨（没有平台期）、并且泛化到了训练分布之外。第二句才是关键——如果只是训练集涨、留出集不涨，那就是过拟合；留出集也涨，才叫”能力扩展”。
上图截自官方发布页 RL 章节。上排是基准分，下排是同一步的总 token 消耗。可以清楚看到 MiMo-V2.6-Pro（橙）与 Flash（黑）在 DeepSWE v1.1 上分别收在 72.6 / 65.7，且整条曲线仍在上升——这是官方”没有平台期”说法的依据。
三条扩展轴，和一句很实在的 grader 说明
官方把 RL 算力的扩展拆成三条：
① 更大批次与更高吞吐。 全异步架构上的大 batch，每次更新 1,568 个样本，训练上下文最长 1M，每步 3.5–3.7B token。
② 更多任务与更丰富的环境。 一套跨编码、通用 Agent、视觉、网络安全的多任务训练集，在多个 harness 之间混合——让一种能力的提升去带动另一种。
③ 更多 grader 算力。 这一条最容易被忽略，但官方写得很明确：组内相对比较（relative comparison within each group）给长程 RL 任务带来了更精确、更多样的奖励信号，同时把模型推向更短的路径与更少的 token。
第 ③ 点里”更少的 token”这半句，值得单独划出来——它正是下面那篇 Grok 4.7 分析的反面。同样是涨分，一条路是让模型想得更多，另一条路是让模型绕得少。
上图截自 mimo.xiaomi.com/rl/。顶部 TOTAL COST $3,474,715 是两个 run 的合计；下方 notices 是训练期间逐条发布的故障通报——这也是后文要重点讲的部分。
面板里的 notices：把翻车过程摊开给人看
这是我认为这篇发布最值得看的部分。官方 RL 面板的 notices 区，留下了这样几条（时间戳为面板原文）：
| 时间 | 官方通报原文要点 |
|---|---|
| 2 天前 | 我们过滤掉了对当前 Pro 模型相对容易的任务 |
| 3 天前 | Pro run 在第 17 步重启，原因是 expert load imbalance 导致的 GPU OOM；我们调整了训练并行策略 |
| 4 天前 | Pro 训练集群与 grader 部署之间出现网络连通性问题，已重启 run；同时从后续 Pro run 中移除了 cyber 数据集，因为我们在 rollout 日志里观察到了不良 pattern |
| 4 天前 | Flash run 从第 15 步重启，原因是某个数据集上的一类 infra 错误在过去约 3 小时里没有被正确检测出来 |
| 5 天前 | Pro run 因某个节点的 VRAM 问题重启 |
| 5 天前 | 我们更新了 Flash 第 12 步与 Pro 第 8 步的 DeepSWE 结果，离线评测结果出来后会继续贴 |
面板同时给出了两个 run 的最终账本：
| MiMo-V2.6-Pro | MiMo-V2.6-Flash | |
|---|---|---|
| 状态 | 30 步 / stopped | 30 步 / stopped |
| 耗时 | 5 天 07:29:21 | 3 天 11:05:40 |
| 起止（UTC） | 09-15 10:32 → 09-20 | 09-15 15:16 → 09-19 |
| 指标（dysam/avg@n，Δ vs 第 1 步） | 0.633（+0.068） | 0.644（+0.130） |
| 成本 | $2,620,670 | $854,044 |
| Token / 步（第 30 步） | 3.43B | 3.7B |
| Token 累计 | 75B | 81.4B |
| 采样数 | 753k | 753k |
| 批次 | 1,568 × 16 seqs | 1,568 × 16 seqs |
两个细节值得注意：
- Flash 的增益（+0.130）明显高于 Pro（+0.068）。 起点低的空间更大，这也解释了为什么 Flash 用 1/3 的钱拿到了相对更大的提升。
- Flash 累计 token（81.4B）反而比 Pro（75B）多，但成本只有 Pro 的三分之一——省下来的钱来自单位 token 价格，而不是训练量。
上图由 uuaihub 依据官方 RL 面板数据绘制。两个 run 各 753k 采样、批次同为 1,568 × 16 seqs，账单一共 $347 万——而 Flash 的指标增益反而更大（+0.130 vs +0.068）。
稳定性：冻结 router，和一套防 reward hacking 的组合
RL 规模一大，最常见的两类问题就是训练漂移和奖励作弊。官方这次都点了名：
- 漂移：随着 run 规模变大，他们冻结了 router（froze the router）来抑制训练漂移。
- 奖励作弊：建了一套横跨奖励设计、对抗评估、异常检测、验证者交叉校验的防线。
工程侧还有一串描述，用大白话说就是”把大规模异构任务的 RL 搬上台面”必须解决的脏活：统一的轨迹表示与惩罚机制提供更细粒度的学习信号；支持跨多个 Agent 框架的高并发交互；把控制面与数据面解耦以支持大规模轨迹迁移；在混合批次内稳定每个任务的采样比例；以及训练与推理引擎两者及其一致性的优化。
读到这里可以有个判断：这一节里没有一条是”模型创新”，全是工程量。 而它们决定了上面那些分数到底能不能被复现。
从 Vibe Coding 到「Vibe World」
MiMo-V2.6 的第二个重点是能力边界的外扩。官方的说法是：编码能力已经泛化出软件工程之外——给一个目标、一个 harness、一点时间，它就能做真实的生产性工作。官方把这条路径叫 “Vibe World”。
上图是官方发布页展示的 demo 之一：模型从一张图 / 一段视频 / 一句文本出发，拆解任务、协调多个 Agent 搭出 3D 场景、写交互逻辑、做视觉验证，最后交付一个可运行的交互世界。这一张是游戏《Isla del Presidente》的运行画面。图片版权归小米 MiMo 团队所有，本文仅作引用。
五个方向，逐个看：
① 游戏开发。 输入图 / 视频 / 文本 → 拆成多个任务 → 多 Agent 协作建 3D 场景、实现交互逻辑、做视觉验证 → 根据渲染结果迭代修正，最终产出贴合意图的可运行世界。
② 3D 建模。 从文字描述或参考图，在 Blender 里生成 3D 物体与场景，产出可用于动画、3D 打印、游戏开发的资产。
③ 具身仿真。 在仿真环境里直接以多视角相机画面为输入，持续推理并决策，通过视觉反馈闭环控制 Franka Panda 机械臂，完成物体抓取、颜色匹配与精确放置。
④ 视觉与设计。 一句指令 → 完整前端界面或幻灯片：结构化布局、组件设计、交互元素、动效；也熟悉 Figma、图像与视频生成工具，并能保持排版、配色、图文关系的整体一致。
上图同样是官方发布页的 demo：三份演示文稿，各自由一行 brief 生成——一份 LLM 学习的内部工程培训、一份关键矿产超级周期的研究简报、一份公司首份年报的三方向设计评审。图片版权归小米 MiMo 团队所有。
⑤ 视频与音乐。 视频侧，公开描述是”端到端”：视觉设计、镜头与运动编排、配乐、按节拍对齐的剪辑；教学视频则把抽象概念（官方举的是傅里叶分解）变成可理解的解释与连贯动画，并用 MiMo-V2.5-TTS 生成与画面对齐的解说。
音乐侧是一条新线：官方称加强了对音乐的理解、审美判断与乐理运用，作为作曲方向的首次探索——能写出 demo 级的作品。案例里给了一个很具体的：让 MiMo-V2.6-Pro 为约十件乐器写一首管弦乐，它自己写谱、自己转成 MIDI；成品里有弦乐、双簧管、单簧管、小号、长号、圆号、钟琴与定音鼓。官方还给了第二个案例：要求两首 A 小调钢琴曲，一慢一中速，用来展示对力度、织体等作曲要素的掌控。
两个科研案例：一个”干实验”，一个形式化证明
官方明确说：MiMo-V2.6 并没有针对科学研究做专门的 RL，下面这些只是它把推理、编码、工具使用能力用到具体研究任务上的表现。
案例一：材料学”AI 联合科学家”。 小米的材料专家让 MiMo-V2.6-Pro 设计一种全新的金属有机框架（MOF），用来吸附 PFAS——就是那类被称为”永久化学品”的全氟和多氟烷基物质。模型做的事串起来是：全面 web 搜索 → 查阅相关文献与专利 → 提出假设 → 评估新颖性 → 进入”干实验”（调用开源计算工具、自动搭建仿真环境、计算 MOF 与 PFAS 的结合强度），最后筛出值得进湿实验室的候选。官方附图给出了三个候选的 UiO-67 型 Zr₆ 框架结构。
案例二：把经典定理形式化。 研究人员让 MiMo-V2.6-Pro 协助完成 Li 与 Yorke 经典论文《Period Three Implies Chaos》主定理的 Lean 4 形式化——该定理说的是：对区间上的连续自映射，存在周期三轨道就意味着存在任意正整数周期的周期轨道，以及一个不可数的混沌集。在研究人员设计的探索策略引导下，模型用子 Agent 协作推进定理陈述与证明的形式化，项目最终超过 6,000 行 Lean 源码，完整证明通过 Lean 内核验证、没有未完成的占位符。
最后一句才是重点：模型没有接受过任何 Lean 专项后训练。
可用性
官方给出的上架渠道是：AI Studio、MiMo Code、MiMo Desktop、MiMo API Platform、OpenRouter。
- MiMo Desktop 同时结束早期访问、发布首个正式版，内置 Pro 与 Flash，并上线 Pro-UltraSpeed 模式（最高 20 倍速度）。早期访问计划再延长一周。
- API 已在小米 MiMo 开放平台上线，定价与 V2.5 一致；Pro 也可用 UltraSpeed 模式调用；另提供 Token Plan 用于可预期的高用量场景。
怎么读这次发布：三条判断
第一，开源阵营的天花板又抬了一格。 按官方口径，46.32 分已经越过 Kimi K3、Qwen3.8 Max。而 AA 图表里摆在 MiMo-V2.6-Pro 前面的，清一色是闭源模型（Claude Fable 5、Gemini 3.6、Grok 4.7、Claude Opus 5、GPT-5.6）。开源与闭源之间剩下的差距，已经从”代差”缩到”几分”。
上图来自小米 MiMo 官方发布页（数据源标注为 Artificial Analysis，横轴为对数刻度）。绿色区域是”最有吸引力的象限”，虚线是帕累托线——MiMo-V2.6-Pro 落在帕累托线上，右侧同分区间里是成本高出一个数量级的闭源模型。这正是官方”同价格、更高智能，把帕累托前沿继续外推”那句话的图示。
第二，训练成本第一次变成可比较的公开量。 347 万美元这个数字是可以被同行对标的：30 步 RL、75 万条轨迹、每步 3.5–3.7B token。以后再看”某模型的 RL 后训练”，就可以问一句：你的起步价是多少？
第三，“built in public” 的价值不在营销，在可复现。 开源权重早就不稀奇了。这次额外给出的是技术报告 + 训练环境 + RL 代码，以及一个还在线的训练面板——包括那条”某个 infra 错误在过去约 3 小时没有被正确检测出来”。愿意把这类内容留在公开页面上，本身就是一种信号。
值得一提的巧合
同一天（9 月 21–22 日），SpaceXAI 发布了闭源的 Grok 4.7，AA 智能指数 46。小米以 46.32 分、约 1/20 的调用价格开出了同分位的东西。 两条路线在同一天撞到同一个分数上，这件事本身比任何单点评测都更说明当前的格局。Grok 4.7 那一条线的代价分析，见本站另一篇《Grok 4.7：智能只涨 2 分，思考量翻了 2.5 倍》。
本文事实依据：小米 MiMo 官方发布博客（2026-09-22）、官方实时 RL 训练面板（训练结束后仍在线）、Artificial Analysis 智能指数 v4.3、Hacker News 讨论帖。配图来源：官方发布页截图与官方图床图片（版权归小米 MiMo 团队所有）、官方 RL 面板截图、Artificial Analysis 页面截图，均已下载至本地引用，未使用外链。
