Xiaomi MiMo-V2.6 系列正式发布，大规模扩展 RL 并全面开源

quantum813

小米开源了 MiMo-V2.6 系列，Pro 和 Flash 两个原生全模态模型一起放出。

这名字在国内开源圈已经不算陌生，但这次发布的重点不在模型本身，而在它背后那 6 天的 Live RL 训练——官方把整个训练过程、成本、技术报告连同 RL 代码和训练环境一起开源了。




一段话说清楚这次发到了什么位置：MiMo-V2.6-Pro 在 Artificial Analysis 的 Intelligence Index 上拿到 46 分，超过 Kimi K3 和 Qwen3.8 Max，官方称为当前最强开源模型；但对照闭源最强的 Claude Fable 5.1 和 GPT-6 Astra 仍有差距。言下之意很直白——开源这一档，小米认为自己已经站到最前面。







训练数据很能说明这次是把算力砸在哪了。耗时不到 6 天，Flash 和 Pro 的训练成本分别约 85 万和 262 万美元，各完成 30 步，累计约 75 万条轨迹；训练任务平均通过率相对提升 25% 和 12%，样本外的长程软件工程基准 DeepSWE v1.1 上分别涨约 17 分（48.8→65.7）和约 14 分（58.4→72.6）。规模化 RL 的样本效率，这次给了一套能看的公开数据。




工程细节里值得开发者扒一扒的是它对大规模 RL 的几个处理：单次更新用 1,568 个样本、支持 1M 上下文长度训练、单步训练 Token 达 3.5～3.7B；构建覆盖 Code、General、Visual、Cyber 的多任务训练体系，混合多个 Harness 带动不同能力协同提升；用 Group 内相对比较做奖励信号，形成模型自我改进闭环。训练规模一大，还冻结 MoE Router 抑制专家负载漂移，并建了覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的 Reward Hacking 防线。




开源内容比模型本身更值得留意。官方放出了 7k+ 高质量 RL 任务环境，覆盖软件工程、漏洞复现、知识型工作、网页设计开发四类智能体任务；以 Distill-Qwen-9B 为起点跑 RL，11 项评测均较 SFT 基线提升——SWE-bench Verified 从 61.1 到 66.2、MiMo Cyber Bench 从 31.3 到 47.0。同时开源基于 verl、uni-agent、mini-swe-agent 的端到端 RL 训练框架，以及把系统提示、工具与上下文管理解耦的极简 mini-harnesses。这套东西的意义在于，以往只有几家大厂会公布这类训练细节，现在能直接复现。




能力展示部分，小米同时调出了 3D 开放世界游戏、Blender 建模、用多视角画面闭环控制 Franka Panda 机械臂的具身智能，以及 Computer Use Agent。科研方向更抓眼球：协助在 Lean 4 里完成了 Li–Yorke 名篇《周期三蕴含混沌》原始主定理的完整形式化，6000 余行 Lean 源码通过内核核验，且模型没做过针对 Lean 的专项后训练。




价格上，MiMo-V2.6 沿用 V2.5 的 API 定价，官方说法是在同等智能水平下价格仅为海外模型的 1/20 至 1/60。




新的 MiMo Desktop 客户端和最高 20 倍输出速度的 UltraSpeed 模式同步上线。

来源：

• Xiaomi MiMo-V2.6：扩展强化学习规模，迈向自我提升 - 小米 MiMo 官方文档
• Xiaomi MiMo-V2.6 发布 - 微信公众号
• MiMo-V2.6 开源链接 - Hugging Face

原文链接

lab_pixel_92

有一说一，现在肯把V2.6讲这么细的人不多了。

pixel562

先马后看，Xiaomi的资料太散了，这篇梳理得挺清楚。

misty_lunar

先马后看，MiMo的资料太散了，这篇梳理得挺清楚。

dev_pixel_47

先马后看，MiMo的资料太散了，这篇梳理得挺清楚。