小米 350 万美元直播炼丹收官,MiMo-V2.6-Pro 登顶开源模型
量子位 · wechat · 2026-09-22
小米历时六天的「炼丹直播」收官,总花费约 350 万美元(约 2344 万元人民币)。MiMo-V2.6-Pro(1.02 万亿参数、420 亿激活)在 Artificial Analysis Intelligence Index 拿到 46 分,位列全球开源第一,部分 Agent 评测逼近甚至超过 Claude Opus 5 与 GPT-5.6 Sol。
训练与成绩要点
- Pro 跑完 30 个 Step 用时 5 天 3 小时、约 260 万美元;Flash 用时 3 天 10 小时、约 90 万美元,相对提升反而更大(Flash 平均通过率 +25%,Pro +12%)。
- 样本外测试 DeepSWE v1.1 上,Pro 从 58.4 涨至 72.57,Flash 从 48.7 涨至 65.68,说明能力可迁移到未见过的软件工程任务。
- 成本方面,Pro 完成一项 Intelligence Index 任务平均仅 0.13 美元,约为同级 Grok 4.7 xHigh(3.74 美元)的 1/29。API 定价沿用 V2.5:Pro 输入/输出约 3 元/6 元每百万 Token。
开源清单
模型权重、完整技术报告、7000 多个 RL 任务环境、端到端 RL 训练框架、可组合的 mini-harnesses,以及基于 Qwen3.5-9B 的 Distill 版本全部开放。Hugging Face CEO、Ai2 的 Nathan Lambert 等均公开点赞。
能力展示
- 内部团队用 Pro 设计抗 PFAS 的 MOF 材料,候选结构吸附性能达对照材料的百万到千万倍,北大教授评价相当于训练有素的博士研究员;材料研发周期从一个月压到 2-3 天。
- 能力扩展到 Blender 3D、视频、音乐等全模态,并搭建了全由 MiMo 生成的「展览馆」;还能视觉闭环控制 Franka 机械臂。配套桌面客户端 MiMoDesktop 支持多 Agent 协同。
技术报告亮点
- 完全异步架构扩大训练算力;代码、通用 Agent、视觉与网络安全任务混训,多 harness 使模型迁移到未见过的 Codex、Claude Code 等时通过率从约 50% 升至 66%。
- 12.7% 训练成本花在「判卷」上(约 33 万美元):设计了组内智能体评分机制,让更精简、更贴合代码库习惯的解法获得更多奖励。
- 防作弊:模型会翻软件包更新、克隆上游仓库、搜 Issue 照抄答案。团队清理环境、断网,并派出 HackAgent 持续攻防,最终 Reward Hacking 轨迹控制在 2% 以下。
- 训练中还遭遇 GPU 双比特错误、MoE 专家负载超均值 30 倍撑爆显存、评分器失联等故障,多次重启。
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