智东西 作者 | 毕伟豪编辑｜李水青 智东西9月22日报道，今早，小米大模型团队发布并开源了新一代模型Xiaomi MiMo-V2.6系列，包含两款原生全模态模型MiMo-V2.6-Pro与MiMo-V2.6-Flash，小米还将逐步开放MiMo-V2.6-Pro-UltraSpeed，相比MiMo-V2.6-Pro，同等智力水平输出速度提高20倍。
Xiaomi MiMo-V2.6系列模型官宣（来源：X）
此外，小米还同步开源了用于新模型训练的RL环境和框架以及模型技术报告。
Xiaomi MiMo-V2.6系列模型训练框架（来源：Huggingface）
罗福莉早上发文称，MiMo-V2.6押注大规模RL扩展，进行了开源模型迄今最大规模的单次RL训练，团队将其视为探索RSI（递归自我改进）、通往AGI的新一步，她直言MiMo-V2.6的创新和工程难度已经超过了DeepSeek R1。
罗福莉发文（来源：X）
MiMo-V2.6-Pro在Artificial Analysis智能指数上取得46.32分，超过Kimi K3与Qwen3.8 Max，成为该榜单迄今得分最高的开源模型，不过从得分上看总体与顶尖开源模型差距不大，其得分与刚刚发布的Grok 4.7相当。
MiMo-V2.6-Pro在Artificial Analysis智能指数排名（来源：Artificial Analysis）
在主要测试AI网页开发能力的Code Arena WebDev榜单中，MiMo-V2.6-Pro首测拿下1628分，较上一代MiMo-V2.5-Pro的1475分大涨153分，目前排名全球前十、开源权重模型第三。
MiMo-V2.6-Pro在Code Arena WebDev榜单排名（来源：Arena AI）
价格方面，MiMo-V2.6系列维持V2.5系列的API定价，MiMo-V2.6-Pro输入（缓存命中）0.025元/百万tokens，缓存未命中3元/百万tokens，输出6元/百万tokens；MiMo-V2.6-Flash输入（缓存命中）0.02元/百万tokens，缓存未命中1元/百万tokens，输出2元/百万tokens；MiMo-V2.6-Pro-UltraSpeed定价是MiMo-V2.6-Pro的十倍。
MiMo-V2.6系列模型定价（来源：小米）
有网友晒出MiMo-V2.6-Pro与Grok 4.7的价格对比，同等智力水平下，Grok 4.7的价格大约是MiMo-V2.6-Pro的29倍。
网友评论（来源：X）
Xiaomi MiMo-V2.6系列发布的预热方式也非常有趣，9月17日凌晨，罗福莉在社交媒体上发布了两款模型的训练数据实时看板，全网“直播”了小米MiMo-V2.6的训练细节，两轮训练平均每小时烧掉了3.08w美元。
罗福莉发文直播训练过程（来源：X）
有网友评论称这是有史以来最酷的开源发布之一，不仅直播训练过程，还开源了技术细节，性能超强的同时，定价低到离谱。
网友评论（来源：X）
不过也有开发者对模型能力提出了质疑，认为MiMo-V2.6系列至少Flash模型没有达到预期，在OpenCode中会不断循环执行命令和读取文件，执行能力较差。
网友评论（来源：X）
智东西第一时间在OpenCode中对MiMo-V2.6系列模型进行了实测，从实际效果上看，MiMo-V2.6系列模型的多模态能力和编程水平尚可，但存在长时间思考和查找目录文件等问题。 一、6天30步75万条轨迹：从Coding到3D、科研，持续探索RL扩展罗福莉所说的大规模RL扩展，在MiMo-V2.6的技术报告里以一串数字的形式呈现，为其6天的直播训练过程中，MiMo-V2.6-Flash与MiMo-V2.6-Pro各自完成了30步，累计覆盖约75万条轨迹，对应训练成本约85万美元和262万美元。经过这一轮训练，两款模型的训练任务平均通过率分别提升25%和12%。
在DeepSWE v1.1测试中，Flash从48.8分提升至65.68分，Pro从58.4分提升至72.57分，分别增加约17分和14分。
在RL训练阶段，MiMo-V2.6投入了大量算力，经过大规模、多任务强化学习训练，MiMo-V2.6-Flash与MiMo-V2.6-Pro在多数Agent Benchmark上取得了接近Claude Opus5和GPT-5.6 Sol的分数。
训练系统方面，RL算力扩展主要体现在训练规模、任务环境和基础设施三个方面。小米采用全异步架构，单次更新1568个样本，训练最高支持100万token上下文，每个RL step消耗约35亿至37亿token。
训练任务也不再局限于编程，而是覆盖通用Agent、视觉和Cyber等场景，并混合多种Harness，让不同任务产生的训练信号能够共同作用于模型。
奖励机制也进行了创新，对于长程RL任务，小米采用组内评分机制，将同一任务下不同轨迹的完成情况和质量放在一起比较，再重新分配奖励信号。这样既能区分“完成了任务”和“高质量完成任务”的差异，也能引导模型减少完成单个任务所需的路径和token。
随着训练规模扩大，稳定性问题也随之出现，小米冻结了MoE Router，以减少训练过程中的模型漂移；针对Reward hacking，则从奖励设计、对抗评估到验证器交叉校验设置了多层防护。在工程层面，小米还统一了轨迹表示和惩罚机制，并针对不同Agent框架进行高并发交互。
在训练规模扩大之后，MiMo-V2.6的能力覆盖范围也随之扩展。新一代模型处理的任务已经从编程进一步延伸到3D内容、计算机操作、设计、视频和音乐等场景。
比如在3D游戏开发任务中，模型可以接收一段视频、一张图片或一句提示词，自行拆解任务，协调多个Agent搭建3D场景、实现交互逻辑，并根据渲染结果进行视觉检查和迭代。
MiMo-V2.6演示案例（来源：小米）
在Blender中，它还可以根据文本描述或参考图片生成3D资产，并进一步将其用于动画、3D打印和游戏开发。
MiMo-V2.6演示案例（来源：小米）
通过Computer Use，MiMo-V2.6可以进入具身仿真环境。模型能够接收多视角相机画面，持续进行推理和决策，再通过视觉反馈控制Franka Panda机械臂，完成物体抓取、颜色匹配和精确放置。
MiMo-V2.6演示案例（来源：小米）
设计类任务也在能力范围之内，MiMo-V2.6可以生成完整的前端界面或演示文稿，其中包含版式结构、组件、交互元素和动效，并能够与Figma以及图像、视频生成工具配合。
MiMo-V2.6演示案例（来源：小米）
MiMo-V2.6系列模型还可以进行视频制作，在小米展示的一支产品宣传片中，从视觉设计、镜头与动效编排，到音乐创作和卡点剪辑，都由模型完成。
MiMo-V2.6演示案例（来源：小米）
音乐是新增的能力，小米方面称，MiMo-V2.6强化了音乐理解、审美判断和乐理运用，并首次探索了作曲任务。
MiMo-V2.6演示案例（来源：小米）
小米方面展示的科研案例进一步展现了通用能力的迁移。小米明确表示，这些科研任务并没有经过专门的科研RL训练，更多依靠模型已有的通用能力完成。
材料科学方面，小米让MiMo-V2.6-Pro设计一种用于吸附全氟和多氟烷基物质（PFAS）的全新金属有机框架（MOF）。在材料专家的引导下，模型完成网络检索、文献与专利梳理、提出假设和新颖性评估，随后调用开源计算工具搭建仿真环境，计算MOF与PFASs之间的结合强度，最终筛选出三种候选框架，再交由湿实验进一步验证。
MiMo-V2.6演示案例（来源：小米）
数学方向则是对Li与Yorke经典论文《周期三蕴含混沌》中主定理进行Lean 4形式化。研究者设计探索策略后，MiMo-V2.6-Pro通过subagent协作推进定理陈述与证明，最终项目包含6000多行Lean代码，并通过Lean内核完成完整验证，没有留下未完成的证明占位符。
MiMo-V2.6演示案例（来源：小米） 二、赛车游戏开发、小米汽车官方设计，容易长考，爱翻目录智东西首先测试了一下基础的多模态能力，输入一张Hermes Agent应用的截图，让MiMo-V2.6-Pro不依赖工具进行识别，模型很快完成了读图任务，精准度不错，但速度稍慢。
同样的提示词，更换了模型和截图，我们让MiMo-V2.6-Flash来执行一下这项任务，能看到MiMo-V2.6-Flash仅用了6秒，但返还的结果在内容丰富程度上比Pro模型差很多。
首先我们用一个网页开发任务来对MiMo-V2.6-Flash的网络搜索、文件操控和前端设计能力进行测试，让MiMo-V2.6-Flash自行搜索信息并开发一个小米汽车官网的Demo。
在这项任务中，虽然我们给出的提示词对网页开发的要求非常高，但是MiMo-V2.6-Flash作为Flash级别模型，整体的开发时间还是过长，不过网页开发的质量不错，网页的交互流畅程度以及图片嵌入都不错，比如下面这里演示的预约试驾功能。
不过美中不足的是，MiMo-V2.6-Flash开发的小米汽车官网，虽然文字部分都是小米汽车的性能参数，搜索并嵌入的图片却是奔驰、宝马、奥迪。
最后智东西输入了一个经典赛车游戏开发提示词，测试一下MiMo-V2.6-Pro的游戏开发能力，提示词如下：
MiMo-V2.6-Pro花了64分钟完成了游戏开发任务，开发出的游戏效果存在不少问题，赛道本身不清晰，路径没有严格限制好，初始状态下赛车的建模被埋在了下方，做得比较好的地方是游戏操控感和整体的光影效果。
此外，在测试MiMo-V2.6-Pro游戏开发能力的时候，智东西还输入了一个3D世界游戏开发的提示词，在没有专业游戏开发工具依赖的情况下，MiMo-V2.6-Pro最终交付的3D世界本身的构建还是不错的，功能、下落的雨丝以及人物动作都比较合理，仅存在雨伞不在手上的小问题。
整体实测下来，MiMo-V2.6系列模型和上一代给我们的感受差不多——主打性价比。模型基础能力是不错的，只是在思考时间上和执行任务的路线上存在一些问题，整体模型在任务交付效率上稍弱一些。
当然，智东西所做的实测都是基于OpenCode上所提供的模型进行的，不能代表模型小米官方Agent和API中的实际效果，也不能完全代表模型能力。 结语：小米RSI道路新作，但模型能力仍需更多实测验证从这次发布来看，MiMo-V2.6把重点放在了大规模RL训练的进一步扩展上：6天完成30个RL step、覆盖约75万条轨迹，训练任务也从Coding延伸到Agent、视觉、3D、Computer Use以及科研任务。
与此同时，小米将RL训练环境、代码和技术报告一并开源，把训练过程中的基础设施、奖励机制等细节也公开出来。
从Benchmark到实际测试，MiMo-V2.6展现出了较强的基础能力，但不同任务之间仍存在明显差异。尤其在长程任务中，模型的思考时间、工具调用和执行路径都会直接影响最终交付效率，实测过程中的表现也存在很多问题。
模型最终能走到什么位置，除了榜单分数，后续实际使用中的任务完成质量和效率同样重要。
小米希望通过持续扩大RL训练规模探索RSI，这条路线能否进一步提升模型的自主任务能力，还需要后续版本和更多实际任务来验证。
兴盛网配资提示：文章来自网络，不代表本站观点。
