小米 MiMo-V2.6 发布：Pro 与 Flash 双版本价格不变，超越 Kimi K3、GLM-5.3 成为当前 AA 指数排名最高的开源模型

9 月 22 日凌晨，小米正式发布并开源了 Xiaomi MiMo-V2.6 系列，包含 Pro 与 Flash 两个原生全模态模型。

如果把时间线拉长一点看，这次发布更像是一份"交付回执"。此前小米在公开直播里把强化学习的训练看板摊开给外界看——几条 RL 训练线、烧了多少钱、跑到第几步——当时很多人将信将疑：账本敢公开是一回事，模型真能打是另一回事。现在权重上线了，榜单也出来了，可以逐条对账。

对开发者来说，这次最值得关心的其实不是"开源第一"这个标题，而是三个更具体的问题：分数是怎么来的？开源的东西除了权重还有什么？以及，我自己跑得动吗？

一、先把分数放到台面上

MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index v4.3.2 上拿到 46 分（部分来源精确到 46.3 或 46.32）。这个分数的参照系是这样的：

• 同榜的 Kimi K3 为 44 分，GLM-5.3 为 45 分，MiMo-V2.6-Pro 超过两者，成为当前该榜上排名最高的开源权重模型；
• 小米前代 MiMo-V2.5-Pro 只有 26 分，一代之内跳升 20 分；
• 同榜可比模型的中位数是 18 分；
• 榜单天花板仍然是闭源模型：Claude Fable 5.1 与 GPT-6 Astra 均为 53 分。

这三个数字放在一起才有信息量。从 18 分的中位数到 46 分，说明它确实跨进了头部区间；但离 53 分的天花板还有 7 分，而且这 7 分是小米官方口径自己承认的。

需要强调的是，这个分数由 Artificial Analysis 用统一的测试框架独立跑出来，不是厂商自测。这一点在当前基准分数普遍通胀的环境下，含金量比分数本身更重要。

除了综合分，AA 还公布了一组可横向对比的运行数据：输出速度 134.3 tokens/秒（另有来源记为 124.7），首 token 延迟 2.15 秒，每个 Intelligence Index 任务的平均成本为 0.13 美元，整套评估跑完总成本 206.66 美元，过程中模型共生成约 1.4 亿 token。按 AA 的标价折算，大约相当于每百万输入 0.435 美元、每百万输出 0.87 美元，在 7:2:1（缓存:输入:输出）的混合比例下等效混合价约 0.18 美元。

这组数字比官方那句"同等智能水平下价格仅为海外模型的 1/20~1/60"更有说服力，因为它可以被任何人在同一个框架里复算。

二、架构拆解：1.02T 稀疏 MoE 与原生四模态

技术报告把 Pro 的骨架写得很细，这里挑关键的看。

Pro 是稀疏 MoE 架构，总参数 1.02 万亿，每 token 激活 42B。骨干共 70 层，其中 60 层是滑动窗口注意力（SWA），10 层是全局注意力（GA）；hidden size 为 6144；384 个路由专家中每 token 激活 8 个，且没有共享专家。Flash 则是 309B 总参、15B 激活。

"没有共享专家"这个选择值得留意。主流 MoE 设计里通常会留一两个始终激活的共享专家来兜住通用能力，MiMo-V2.6-Pro 把它去掉了，说明路由训练的稳定性问题被其他手段（后文会提到冻结 Router）解决了，或者至少被判断为可控。

模态方面，模型原生支持文本、图像、视频、音频四类输入，配套的组件包括 681M 参数的 MiMo ViT 视觉编码器、308M 的 AudioTokenizer 与 127M 的音频 patch 编码器，宣称支持 1M token 上下文。

推理加速上，模型配了一个 5 层 SWA 的 MTP（Multi-Token Prediction）草稿模型，走 DFlash 风格的推测解码路线，每次前向预测后续 7 个 token。

这里有一个容易被忽略的工程含义：1M 上下文 + 原生多模态 + 稀疏激活三者叠在一起，意味着 KV Cache 与专家并行的通信开销会成为部署时的主要瓶颈，而不是单纯的显存占用。后面讲部署时会再回到这一点。

三、训练账本：6 天、30 步、75 万条轨迹、347 万美元

这是本次发布里最"反常识"的一段，也是上一场直播承诺的兑现部分。

Pro 与 Flash 的训练历时均不到 6 天，各自完成 30 步 RL，累计约 75 万条轨迹。成本分别约 262 万美元与 85 万美元，合计约 347 万美元。

也就是说，一个 1.02T 总参的模型的强化学习阶段，账单是 262 万美元、时间是 6 天以内。把这个数字和"训练一个前沿模型要几千万到几亿美元"的行业印象对照，差距不在预训练，而在后训练阶段的效率被压缩到了一个新的量级。

报告把算力扩展归纳为三个维度：

稳定性方面，训练中冻结了 MoE Router，并建立了针对 Reward Hacking 的防线。最终任务平均通过率相对提升 25% 与 12%（两个版本各一）。

四、上手：从 Hugging Face 到 SGLang 部署

先说许可，这是最干脆的一条：两个模型权重均为 MIT 许可，无访问门控，允许商业部署、修改、微调与再分发，没有营收门槛，也没有研究条款限制。

权重于 2026 年 9 月 21 日相继上线 Hugging Face，仓库为 XiaomiMiMo/MiMo-V2.6-Pro-RL 与 XiaomiMiMo/MiMo-V2.6-Flash-RL（ModelScope 有镜像）。注意仓库名里的 -RL 后缀指的是训练后谱系，本身就是完整模型，不是 LoRA 适配器——这一点在社区里被误解过。

规格上，Flash 放出的是 172.9 GB 的 FP8（e4m3）权重，分成 65 个分片；Pro 参数量约为其 3 倍，下载量在半 TB 量级。

拉取很直接：

# 需要 huggingface_hub 提供的新版命令行
pip install -U "huggingface_hub[cli]"

# Flash：172.9GB FP8，65 个分片，适合单机多卡起步
hf download XiaomiMiMo/MiMo-V2.6-Flash-RL \\
–local-dir ./mimo-v26-flash

# Pro：约 3 倍体量，建议先确认磁盘与带宽再拉
hf download XiaomiMiMo/MiMo-V2.6-Pro-RL \\
–local-dir ./mimo-v26-pro

然后是部署。这里必须把一件事说清楚：小米没有提供可直接调用的模型端点，权重可下载自托管，但推理基础设施要自备。 官方建议 Pro 跨多节点、多 GPU 做分布式推理，并给出了 SGLang 的部署配方——Docker 镜像 lmsysorg/sglang:latest，示例命令是 –tp 16 –dp 2 –ep 16：

docker run –gpus all –ipc=host –shm-size 32g \\
-v ./mimo-v26-pro:/models/mimo-pro \\
-p 30000:30000 \\
lmsysorg/sglang:latest \\
python3 -m sglang.launch_server \\
–model-path /models/mimo-pro \\
–tp 16 –dp 2 –ep 16 \\
–context-length 1048576 \\
–trust-remote-code

–tp 16 是张量并行度，–ep 16 是专家并行度，–dp 2 是数据并行度。三者组合起来的一套配置，硬件门槛就摆在那里了。

社区方向的讨论是：FP8 量化配合 MXFP4 存储格式，可以在 16 卡 A100 或 Pro6000 上跑起来。也就是说，"开源第一"和"个人开发者跑得动"之间隔着一整个机房。真要在本地折腾，更现实的选择是 Flash，或者干脆用官方同步上线的托管服务 MiMo-V2.6-Pro-UltraSpeed——标称输出速度最高为标准 Pro 的 20 倍。

五、那 7 分差在哪：分项对比

综合分只说明了"差 7 分"，但差的这 7 分落在哪些能力上，才是选型时真正要看的东西。把 Pro 与 Claude Opus 5、GPT-5.6 Sol、Fable 5 的分项摆在一起：

落后的部分，集中在长链自主编程与安全攻防：

追平甚至反超的部分，集中在工具编排与自动化：

作为参照，前代 V2.5 Pro 在 GDPval-AA 2.1 上只有 1107 分——这个分项的提升幅度其实比综合分的 20 分更惊人。

结论很清晰：**MiMo-V2.6-Pro 的能力画像是"会调度、会编排、会自动化，但自己从头写长代码和挖漏洞还不稳"。**如果你的场景是 Agent 工作流、工具调用、自动化编排，它现在的性价比非常高；如果你的场景是长时间自主的软件工程或安全研究，那 7 分差距正好就落在这些位置上。

六、生态与争议：开源清单与第三方口碑

这次开源里最有工程价值、也最少见的部分，其实不是权重。

同步放出的还有：

• 完整技术报告（有来源称 44 页）与模型卡；
• 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；
• 基于 verl、uni-agent 和 mini-swe-agent 的端到端 RL 训练框架，涵盖环境交互、轨迹采集、奖励评估到策略优化的全流程；
• 极简 mini-harnesses，把系统提示、工具与上下文管理解耦，支持 Multi-Harness Training，用来提升模型在未见框架上的泛化能力。

多数开源只给权重，给训练环境与 RL 框架的很少——这意味着这次放出的不只是一个模型，而是一套可以复现方法论的工具链。

其中最接地气的一条验证路径是 MiMo-V2.6-Distill-Qwen-9B：以蒸馏模型为起点做 RL，11 项评测均较 SFT 基线提升。

9B 量级是个人开发者能真正从零复现的规模。如果你想验证"RL 才是这波涨分的主因"这个论断，这是成本最低的实验路径，比拿万亿 MoE 来举例有说服力得多。

不过，热度之外也有几个需要打折扣的地方，写在这里以免选型时踩坑：

• 部分基准（例如 DeepSWE 的 48.8→65.7 提升）来自小米自测或自家 Live RL 仪表盘，尚待独立复现。厂商自测分数与公开榜单数据不可直接比较，这是分析人士明确指出的一点；
• 当时 MiMo-V2.6-Pro 的可用 API 供应商数量有限，这会直接影响实际接入的可行性；
• 有一个方向相反的第三方数据点：据 AgentBreaking 报道，在代码竞技场（Code Arena）的开源权重排名中，MiMo-V2.6 位列第三，并非第一。AA 综合指数登顶与单项竞技场表现并不一致，只看 AA 一榜容易得出过于乐观的结论。

七、总结

回到开头那个问题：这两周前的直播账本，兑现了吗？从公开信息看，兑现得比较完整——训练天数、步数、轨迹数、成本都公开了，模型也确实交付了，AA 指数开源第一是第三方框架跑出来的结果。

但落到"要不要用"这个问题上，我的判断是：

最值得记住的一点，可能不是 46 分，而是 347 万美元和 6 天。当后训练成本被压到这个量级，"开源阵营追平闭源"就不再是一句口号，而是一道可以估算的工程题——差的 7 分，按这个迭代速度，大概只是时间问题。

参考链接

• IT之家：小米正式发布并开源 Xiaomi MiMo-V2.6 系列 Pro 与 Flash 双版本 https://m.ithome.com/html/1005496.htm
• OrcaRouter 博客：MiMo-V2.6-Pro 发布解析——AA 指数 46 分与评测运行数据 https://www.orcarouter.ai/blog/xiaomi-mimo-v2-6-pro-release
• OpenLM：MiMo-V2.6 技术报告要点，架构与训练账本 https://openlm.ai/mimo-v2.6/
• RuntimeWire：小米开源 MiMo-V2.6-RL，权重规格与 MIT 许可 https://runtimewire.com/article/xiaomi-open-sources-mimo-v2-6-rl-cost-3-47m
• alphaXiv：MiMo 强化学习扩展技术报告，7k+ RL 任务环境与训练框架 https://www.alphaxiv.org/abs/2609.mimo-scaling-reinforcement-learning
• 博客园：MiMo-V2.6-Distill-Qwen-9B 的 RL 提升实测 https://www.cnblogs.com/liferecords/articles/23072518
• OrcaRouter 博客：MiMo-V2.6-RL 与 DeepSWE 已知信息，分项基准对比 https://www.orcarouter.ai/blog/xiaomi-mimo-v2-6-rl-deepswe-what-we-know
• OrcaRouter 博客：MiMo-V2.6-Flash 发布，自部署与 SGLang 配方 https://www.orcarouter.ai/blog/xiaomi-mimo-v2-6-flash-release
• AgentBreaking：MiMo-V2.6 系列评测复盘，基准可信度与 Code Arena 排名 https://agentbreaking.com/blog/xiaomi-mimo-v2-6-series-evaluation/