小米开源 MiMo-V2.6:六天 347 万美元 RL 训练全公开,登顶开源榜单
APPSO · wechat · 2026-09-22
小米正式发布并开源 MiMo-V2.6 系列模型，亮点与细节：
- 版本与成绩：Pro（面向复杂编程/Agent/专业任务）在 Artificial Analysis Intelligence Index v4.3 得 46.32 分，超过 Kimi K3 与 Qwen 3.8 Max，为该榜单最高分开源模型；DeepSWE v1.1 得 71.9，Toolathlon 76.9，JobBench 62.0，但在 TerminalBench 4.0（34.9）等与闭源前沿仍有差距。Flash 强调效率与成本平衡。
- 大规模 RL 公开：Pro 与 Flash 各完成 30 个 RL step，成本分别约 262 万和 85 万美元，合计约 347 万美元；每 step 1568 个 prompt ×16 条轨迹，处理 27-37 亿 token、最长 100 万上下文。DeepSWE 上 Flash 48.8→65.68，Pro 58.4→72.57。罗福莉称其工程难度超过 DeepSeek R1，按算力衡量可能是开源团队迄今最大规模的单次 RL 训练。
- 方法论：MixRL 处理可验证的代码/Agent 任务，游戏、3D、超长链路等用 MOPD 合并回主模型；训练中固定 MoE 路由器，用对抗评测与多验证器防奖励投机。
- 开源内容：除权重外，开放训练曲线、奖励机制、约 7000 个 RL 任务环境、验证器、端到端 RL 训练框架，以及 Qwen3.5-9B 蒸馏版。
- 价格与生态：沿用 V2.5 定价——Flash 缓存命中输入/普通输入/输出为 ¥0.02/¥1/¥2 每百万 token，Pro 为 ¥0.025/¥3/¥6，UltraSpeed 版以 10 倍价格换最高 20 倍输出速度；已上线 MiMo 各平台与 OpenRouter。另有 VibeWorld 展示：多 Agent 搭建 3D 场景、控制 Franka 机械臂、Lean4 定理形式化（6000+ 行代码通过内核验证）等案例。
所属事件:小米开源 MiMo-V2.6：46 分登顶开源榜，训练全程直播(47 条相关)→
「编程与Agent」频道最新
- Plurai 发布 Agent 仿真测试插件:数字孪生让 Agent 先在虚拟世界翻车 — nikola_mr64990 · 2026-11-12
- Agent 说「Done」不等于真做完:Plurai 仿真核验实际行为 — nikola_mr64990 · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12