沉寂半年破茧而出：小米MiMo-V2.6登顶全球开源榜首，验证“强化学习扩展”关键路径

9月22日，小米正式开源全新一代MiMo大模型家族。凭借全模态旗舰模型Xiaomi MiMo-V2.6-Pro在Artificial Analysis综合智能指数中获得46分，一举超越Kimi K3与Qwen3.8 Max，登顶全球开源大模型及国产模型双料第一。此次发布不仅标志着MiMo在智能水平上的代际跃升，更以0.13美元的单任务成本，首次将全球前沿智能带入“0.1美元区间”，刷新了行业“智能*成本”的帕累托最优纪录。

就在数日前，小米MiMo通用大模型负责人罗福莉曾发文透露，团队在过去半年里选择了“沉寂”，专注于探索一个核心命题：“强化学习（RL）究竟能扩展到多远？”她坦言，MiMo-V2.6目前正处于强化学习的中间阶段，团队正致力于扩展计算、环境和工具等底层能力，并承诺将逐步开源相关成果。

今日发布的MiMo-V2.6系列及其全面开源的RL技术栈，正是对这一研发战略的首次系统性回应。

参数不变智能翻倍

RL后训练跑出“加速度”

与业界普遍通过堆叠参数换取性能不同，MiMo-V2.6系列在预训练架构和参数规模保持不变的前提下，实现了能力的跨代跃升。这得益于小米在RL后训练上的大规模投入：Pro与Flash两个版本合计训练成本超347万美元，累计消耗约75万条轨迹，仅耗时6天便完成了从基座到旗舰的蜕变。

在长程软件工程评测中，这种“RL扩展”策略效果显著：Flash版本得分提升17分至65.68，Pro版本提升14分至72.57。小米方面介绍，团队通过大Batch全异步架构、多任务Harness框架混合训练以及精准的Long Horizon奖励信号三大维度，成功突破了RL训练的算力与稳定性瓶颈，并建立了完善的Reward Hacking防线。

从“答题家”到“Co-Scientist”

全模态能力落地真实科研

作为全球开源阵营中唯一的全模态Pro模型，MiMo-V2.6-Pro首次原生支持文本、图片、视频、音频理解，并将其转化为解决复杂问题的生产力。最令人瞩目的突破在于其以“Co-Scientist”身份介入真实科研场景。

在前沿材料研究中，MiMo-V2.6-Pro协助团队筛选用于吸附“永久性污染物”PFAS的金属有机框架材料，自主完成文献梳理、假设提出、模拟环境搭建及结合强度计算，将原本一个月的研发周期压缩至2-3天，效率提升约10倍。北京大学材料科学与工程学院特聘研究员窦锦虎评价称：“其研究能力已达到训练有素的博士研究人员水平。”

此外，MiMo-V2.6-Pro还协助研究人员，在Lean 4中完成Li–Yorke经典论文《周期三蕴含混沌》原始主定理的完整形式化，生成6000余行通过内核核验的Lean源码，验证了其通用推理与代码生成能力在高复杂度数学研究中的可用性。

兑现开源承诺

推动RSI探索进入新阶段

针对罗福莉此前提及的“逐步开源”计划，小米在本次发布中展现了极大诚意。

除MiMo-V2.6-Pro和Flash模型权重外，团队还开源了MiMo-V2.6-Distill-Qwen-9B及配套RL训练最佳实践，包括7K+高质量任务环境、端到端RL训练框架和轻量化Agent框架。实测显示，基于该套资源，9B模型在SWE-bench Verified、Cyber Bench等多项评测中均实现大幅提升。

同步上线的还有MiMo-V2.6-Pro-Ultraspeed超高速模式及MiMo Desktop桌面客户端正式版，API定价维持V2.5系列标准不变。在同等智能水平下，MiMo-V2.6-Pro的价格仅为海外顶级模型的1/20至1/60，综合智能指数仅次于GPT-6Astra、Claude Opus 5等闭源巨头。

从半年前的潜心发问，到如今以全球开源第一的成绩交出答卷，小米MiMo-V2.6不仅验证了“强化学习扩展”的技术可行性，更为行业探索递归自我改进（RSI）提供了可复现、可验证的新范式。随着更多RL技术成果的开放，这场关于“智能边界”的探索，才刚刚进入下半场。

（图片据受访者）

责任编辑：杨业