小米 MiMo-V2.6 深度解析：46.32 分登顶开源第一，AI 大模型「斩杀线」又被刷高了

摘要：2026 年 9 月 22 日凌晨，小米正式发布并开源 MiMo-V2.6 系列——1.02T 参数的旗舰推理模型 MiMo-V2.6-Pro、均衡型 MiMo-V2.6-Flash、以及最高 20 倍输出速度的 Pro-UltraSpeed 模式。MiMo-V2.6-Pro 在 Artificial Analysis 综合智能指数（v4.3）拿下 46.32 分，超越 Kimi K3、GLM-5.3、DeepSeek V4.1 全系，成为当前得分最高的开源模型。罗福莉更是直言：这项工作的研究创新与工程难度，「甚至超过她曾部分参与的 DeepSeek R1」。本文从产品矩阵、技术架构、规模化强化学习、榜单成绩、开源生态、定价策略、实战案例到上手使用，一文讲透。

标签：#MiMo-V2.6 #大模型 #开源 #强化学习 #小米

1. 开场：今天凌晨，小米放了个大招

9 月 22 日凌晨，小米没有开一场发布会，而是直接甩出了新一批模型：Xiaomi MiMo-V2.6 系列，同步开源权重。官方称这是其探索 RSI（Recursive Self-Improvement，递归自我改进） 路径的关键一步——以可验证的复杂任务为基础，规模化扩展强化学习（RL）算力，让模型在持续的探索与反馈中不断拓展智能边界。

这套打法最炸裂的地方在于：小米把一场持续近 6 天、合计花费约 347 万美元的强化学习训练，全程直播给了外界看。从训练进度、成本变化到任务通过率，外界可以近乎实时地围观两个模型如何在 30 个 RL step 中「变强」。这在开源模型史上是头一回。

配合新模型，小米还同步放出了 MiMo Desktop 桌面客户端正式版（Windows / Mac），以及 Pro 版本的 UltraSpeed 超高速模式——官方称在保持质量不变的前提下，输出速度最高可达普通 Pro 的 20 倍。

「超过 DeepSeek R1」怎么理解？ 这是这两天社区讨论最热的一句话。准确拆解有三层：

2. 产品矩阵：四个版本，各司其职

MiMo-V2.6 系列一共四个成员，覆盖了从「极致性能」到「轻量研究」的完整光谱：

两个主力模型都是原生全模态：文本、图像、视频、音频在同一条网络里处理，而不是「文本模型 + 外挂视觉编码器」的缝合方案。这也是「全模态（Omnimodal）」与常见的「多模态（Multimodal）」在架构层面的本质区别。

3. 技术内核：1.02T 参数的「豪华」配置

先看一张我自己画的架构示意图，把整条链路串起来：

关键点拆开讲：

3.1 稀疏 MoE：1.02T 总参数，激活只有 42B

MiMo-V2.6-Pro 是稀疏专家混合（MoE）架构，总参数量 1.02 万亿，每次推理只激活 42B，内部配置 384 个路由专家、每个 token 激活其中 8 个。这个「总参数大、激活参数小」的设计，让模型在拥有巨型知识容量的同时，推理成本可控——这也是它能做到「1M 上下文 + 便宜价格」的底气。

3.2 混合注意力：1:7 的 Global 与 SWA 搭配

沿袭 MiMo-V2 系列的 Hybrid Attention 设计，Global Attention 与 Sliding Window Attention（滑动窗口注意力）按 1:7 的比例混合。全注意力层负责捕获全局依赖，滑动窗口层负责高效处理长序列，配合 原生 1M token 上下文窗口（最大输出 128K），意味着它可以一口气读完一个大型代码仓库、长工具调用轨迹，甚至是多会话的 Agent 运行记录。

3.3 全模态编码器：视觉音频双通道

模型包含两条输入编码通路：一个 681M 参数的 MiMo ViT 负责图像/视频理解，一个 308M 参数的 AudioTokenizer 负责音频处理，再接一个混合注意力主干，最后用推测解码（Speculative Decoding）头做加速。也就是说，从声音到画面，模型是「真的看见、真的听见」，而不是 OCR + 转写文本的降级处理。

3.4 精度与工程

训练采用 FP8（E4M3）混合精度（延续 V2.5 系列），1M 上下文长度训练，单步训练 token 达 3.5～3.7B。这套配置不是堆参数堆出来的「大而无当」，而是为长程 Agent 任务专门设计的。

4. 核心武器：六天烧掉 347 万美元的规模化 RL

如果说架构是 MiMo-V2.6 的「身体」，那规模化强化学习就是它的「大脑升级手术」。这一节是整个模型最值得聊的部分。

4.1 训练规模：史无前例的公开直播

按官方技术报告与媒体报道，MiMo-V2.6-Flash 与 Pro 各完成了 30 个 RL step，各自产生约 75 万条训练轨迹，耗时不到 6 天，成本分别约 85 万美元 和 262 万美元，合计 347 万美元。每个 step 使用 1568 个 prompt × 每条 16 个 rollout，一次处理约 2.5 万条长序列、27 亿～37 亿训练 token。

两个模型的平均任务通过率分别相对提升 25%（Flash） 与 12%（Pro）；在样本外的长程软件工程基准 DeepSWE v1.1 上，Flash 从 48.8 分涨到 65.68 分（+17），Pro 从 58.4 分涨到 72.57 分（+14）：

「样本外也能涨」这点非常关键——说明模型学到的不是刷题技巧，而是可迁移的通用长程执行能力。

4.2 三个维度的算力扩展

官方明确说了，这次 RL 是从三个维度同时放大：

4.3 防「奖励作弊」：大规模 RL 的隐形战场

大规模 RL 最容易翻车的就是奖励黑客（Reward Hacking）——模型钻评分规则的漏洞，表面拿高分、实际没干活。小米的处理是四件套：训练期间冻结 MoE 路由器抑制训练漂移；配合奖励设计、对抗评测、异常检测，以及多个验证器之间的交叉核验，把训练稳定性和奖励可靠性都拉上去。同时统一了不同 Agent 框架产生的轨迹格式，让异构任务能进入同一套训练系统。

4.4 MixRL + MOPD：罗福莉解释的分工

在 36 氪的采访里，罗福莉拆解了这套 RL 体系的分工：

• MixRL（混合强化学习）：处理代码等难度适中、能够可靠验证的 Agent 任务，让模型获得可以跨任务迁移的通用能力；
• MOPD（多任务在线策略蒸馏）：把游戏、3D、超长链路、评价标准偏主观的任务分开训练，再合并回主模型，避免拖慢 rollout 或造成数据过期。

她还提到，扁平的团队结构降低了 MixRL 的组织成本——几十人的团队长期围绕同一个目标，先通过中期训练积累模型潜力，再用大规模 RL 释放出来。按算力投入衡量，这很可能是开源模型团队迄今规模最大的单次强化学习训练之一。

5. 成绩单：开源模型的新标杆

5.1 AA 综合智能指数：46.32 分，开源第一

Artificial Analysis 综合智能指数（v4.3）整合了 10 项评估（AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity’s Last Exam、AA-Omniscience、AA-LCR v1.1 等）。MiMo-V2.6-Pro 拿下 46.32 分：

• 超过 GLM-5.3（45 分）、Kimi K3（44 分）、Qwen3.8 Max 等所有开源权重模型；
• 超过 DeepSeek 最新一代 V4.1 Flash（39 分） 与 V4.1 Pro（36 分）；
• 相比前代 MiMo-V2.5-Pro 的 26 分，提升了整整 20 分；
• 但对比最强闭源模型 Claude Fable 5.1、GPT-6 Astra（均 53 分）仍有明显差距——这是官方自己承认的。

5.2 编程与 Agent 能力：逼近闭源旗舰

长程软件工程基准 DeepSWE v1.1 上，Pro 拿到 71.9 分，逼近 DeepSeek V4.1 Flash 的 74.2 和 Claude Opus 5 / GPT-6 Astra 的 74.0；对比 V2.5-Pro 的 19.0 分，代际跃升超过 50 分：

其他关键分项（Pro 版本，满分越高越好）：

注：MiMo Visual Coding 是小米自研的网页/可视化界面生成评测，口径与第三方基准不同，参考时注意甄别。

5.3 Agent 专项：部分基准反超闭源

在终端操作与网络安全两个 Agent 场景上，V2.6 的表现非常亮眼：

• Terminal Bench 2.1：Pro 89.9 分，反超 Claude Opus 5 的 89.1 分；
• CyberGym（网络安全 Agent）：Pro 94.0、Flash 95.1，而 V2.5-Pro 只有 40.0——网络安全能力近乎翻倍。

5.4 短板也要说清楚

• Terminal Bench 4.0：Pro 只有 34.9 分，对比 GPT-6 Astra 的 59.6、Claude Fable 5.1 的 55.1，差距明显（注意 2.1 与 4.0 是不同版本，分数不可直接对比）；
• 多项网络安全评测整体仍落后于头部闭源模型；
• 综合智能指数层面，与最强的闭源模型（53 分）还有约 7 分的距离。

一句话总结成绩单：开源阵营里没有对手，闭源阵营还在前方——但对开源模型而言，46.32 分的综合成绩配上便宜大碗的价格，可能比个别榜单名次更有现实意义。

6. 全面开源：不止权重，连训练过程都给了

这次开源力度，可能是小米在 AI 圈口碑最好的一次。MiMo-V2.6-Pro-RL、MiMo-V2.6-Flash-RL、MiMo-V2.6-Distill-Qwen-9B 权重全部挂在 Hugging Face（组织名 XiaomiMiMo），协议是 MIT——商用、自托管、微调、魔改，全部没有限制。一个 1.02T 参数的全模态模型用 MIT 开源，这本身就很不寻常。

更难得的是，小米同步开放了**「如何让模型变强」的整套工具链**：

• 完整技术报告：训练曲线、奖励机制、任务配比、关键参数、成本构成全部写进去，可审计、可复现；
• 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；
• 端到端 RL 训练框架：基于 verl、uni-agent、mini-swe-agent，覆盖环境交互、轨迹采集、奖励评估、策略优化的完整流程；
• 轻量可组合的 Mini-Harnesses：把系统提示、工具与上下文管理解耦，支持「多 Harness 混合训练」，提升模型在不同框架（包括未见过的框架）上的泛化能力；
• 配套验证器与训练代码：研究者可以照着重跑这套大规模 Agentic RL。

6.1 蒸馏版 9B：给预算有限的研究者一条路

MiMo-V2.6-Distill-Qwen-9B 由 Qwen3.5-9B 蒸馏而来，以它为起点跑 RL，官方公布的成绩（相对 SFT 基线的提升）：

9B 模型用同样的 RL 方法也能获得显著增益，说明这套训练方法有较强的规模迁移性——这对学术圈和小团队来说价值巨大。

7. 定价策略：加量不加价，价格屠夫再现

MiMo-V2.6 沿用了 V2.5 系列的 API 定价——更强的智能，一分钱不加。价格单位为「每百万 token」：

几个关键信息：

• 缓存命中 99% 折扣，且缓存写入限时免费；
• Pro-UltraSpeed 相当于用普通 Pro 10 倍的调用成本，换取最高 20 倍的输出速度——适合强实时场景；
• 官方口径：在同等智能水平下，MiMo-V2.6 系列价格仅为海外模型的 1/20 至 1/60。

这就是小米的策略：当开源模型追上前沿能力，又把价格压到同级海外模型的几十分之一，竞争压力就转移到了价格更高的一方——它们需要证明，多出来的溢价到底能换来什么。

8. 实战案例：从 Vibe Coding 到 Vibe World

小米把 MiMo-V2.6 的能力叙事从「写代码」扩展到了「构建可交互的数字世界」，称之为 Vibe World：给定一个目标、一套工具和时间，模型自己拆任务、调多 Agent 协作、构建、测试、交付。

8.1 游戏开发与 3D 建模

用户输入一张图、一段视频或一句文字，MiMo-V2.6 会把它拆解成多个任务，协调多个 Agent 搭建 3D 场景、编写交互逻辑、做视觉验证，然后根据渲染结果迭代修改，最终产出一个可运行的交互世界。在 3D 建模上，它能直接操作 Blender，根据文字描述或参考图生成可用于动画、3D 打印和游戏开发的资产。

8.2 具身智能仿真

在具身仿真环境中，MiMo-V2.6 直接以多视角相机画面为输入，通过视觉反馈闭环控制 Franka Panda 机械臂，完成物体抓取、颜色匹配和精确摆放——这是把「空间推理 + 多模态感知 + 决策」捏在一起的完整链路。

8.3 视觉与设计

一句话需求生成完整的前端界面或幻灯片，调用 Figma 与图像/视频生成工具补齐素材，还能保持排版、配色、图文排布的审美一致性。视频方面可以端到端完成镜头设计、动效编排、配乐与节奏对齐，并用 MiMo-V2.5-TTS 生成与画面精准对齐的旁白。

8.4 音乐创作

官方演示了两个案例：一个是让 Pro 为约十种乐器创作管弦乐，模型自己写出总谱并转成 MIDI（作品《Night Road》）；另一个是两首 A 小调钢琴曲。官方定位是「作曲的第一次探索」，目前是 demo 级质量，更像个专业编曲助手。

8.5 科研：材料设计与定理形式化

这两个案例最能体现模型的「长程工具使用」能力，而且模型没有接受过任何科研专项 RL 训练：

• 材料设计：在小米材料专家的多轮引导下，MiMo-V2.6-Pro 完整走了一遍「联网检索 → 文献/专利调研 → 提出假设 → 新颖性评估 → 干实验（调用开源计算工具、搭建仿真环境、计算 MOF 材料与 PFAS 的结合能）→ 给出湿实验候选」的科研流程，为吸附 PFAS（全氟和多氟烷基物质，俗称「永久化学品」）设计出全新的金属有机框架（MOF）候选材料；
• 定理形式化：协助研究人员用 Lean 4 完成了经典论文《Period Three Implies Chaos（周期三蕴含混沌）》Li-Yorke 定理的完整形式化，项目超过 6000 行 Lean 源码，全部通过 Lean 内核验证，没有任何未完成的证明占位符。

9. 上手使用：API 与本地部署指南

9.1 云端：五个入口

MiMo-V2.6 已上线：小米 AI Studio、MiMo Code、MiMo Desktop（正式版）、MiMo API 开放平台、OpenRouter。MiMo Desktop 支持 Windows / Mac，订阅会员可直接使用 Pro + Flash，也可以配置自己的 API Key。

9.2 API 调用（OpenAI 兼容）

MiMo API 兼容 OpenAI Chat Completions 协议，基地址 https://api.xiaomimimo.com/v1，模型 ID 为 mimo-v2.6-pro / mimo-v2.6-flash，上下文 1M、最大输出 128K。curl 示例：

curl –location –request POST 'https://api.xiaomimimo.com/v1/chat/completions' \\
–header "api-key: $MIMO_API_KEY" \\
–header "Content-Type: application/json" \\
–data-raw '{
"model": "mimo-v2.6-pro",
"messages": [
{"role": "system", "content": "You are MiMo, an AI assistant developed by Xiaomi."},
{"role": "user", "content": "用三句话解释什么是递归自我改进（RSI）"}
],
"max_completion_tokens": 1024
}'

Python 方式（openai SDK）：

import os
from openai import OpenAI

client = OpenAI(
api_key=os.environ.get("MIMO_API_KEY"),
base_url="https://api.xiaomimimo.com/v1"
)

completion = client.chat.completions.create(
model="mimo-v2.6-pro",
messages=[{"role": "user", "content": "写一个快排并解释复杂度"}],
max_completion_tokens=2048,
extra_body={"thinking": {"type": "enabled"}} # 开启深度思考
)
print(completion.model_dump_json())

深度思考模式的思考过程会通过 reasoning_content 字段返回，方便做思维链展示与分析。此外，MiMo 还提供 Anthropic Messages API 兼容端点（https://api.xiaomimimo.com/anthropic/v1/messages），可直接接入 Claude Code 等工具链。

注意：mimo-v2.5 与 mimo-v2.5-pro 将于 2026 年 10 月 21 日 10:00 正式下线，现有调用请尽快切换到 v2.6 模型 ID。

9.3 本地部署

• MiMo-V2.6-Pro-RL：1.02T 总参数 / 42B 激活，官方推荐用 SGLang 或 vLLM 部署，需要多卡节点（张量并行配置见 HF 模型卡），单卡跑不动；
• MiMo-V2.6-Flash-RL：约 310B 总参 / 15B 激活，部署门槛低一个量级；
• MiMo-V2.6-Distill-Qwen-9B：单卡可跑，适合做 RL 研究与轻量场景。

权重地址：Hugging Face 组织 XiaomiMiMo（MiMo-V2.6-Pro-RL / MiMo-V2.6-Flash-RL / MiMo-V2.6-Distill-Qwen-9B），同时上架 ModelScope。

10. 局限与冷静视角

聊完亮点，泼几盆冷水，这很重要：

11. 总结：开源模型的「斩杀线」效应

MiMo-V2.6 的意义，不在于某一个榜单的第一名，而在于它把「开源模型的能力上限」和「成本地板」同时往下/往上推了一大截：

• 能力上：AA 综合智能指数开源第一（46.32），多项 Agent 基准逼近甚至反超闭源旗舰；
• 成本上：同等智能水平下价格是海外模型的 1/20～1/60，加量不加价；
• 生态上：MIT 协议 + 全套 RL 工具链 + 训练过程公开，把「如何训练出强模型」这件事从黑盒变成了可复现的工程。

当一个开源模型既能在能力上斩杀大多数选手、又能在价格上碾压所有对手时，它就成了一条新的「斩杀线」：能力低于它的产品越来越难被选择，价格高于它的产品则需要给出更充分的理由。

下一轮竞争，压力已经给到了闭源阵营和 DeepSeek 团队。而这，正是开源社区最想看到的局面。

12. 参考资料

• 小米官方发布页（EN）：https://mimo.xiaomi.com/mimo-v2-6
• 小米官方新闻（CN）：https://mimo.mi.com/docs/zh-CN/news/latest/v2-6
• 小米官方模型发布记录：https://mimo.mi.com/docs/zh-CN/updates/model
• 小米官方模型列表与限流说明：https://mimo.mi.com/docs/zh-CN/quick-start/summary/model
• 小米官方 API 文档（OpenAI 兼容）：https://mimo.mi.com/docs/zh-CN/api/chat/openai-api
• 罗福莉与 MiMo-V2.6 深度报道（36氪 / APPSO）：https://36kr.com/p/3993989416188937
• 36氪快讯：https://36kr.com/newsflashes/3993832090139400
• IT之家报道：https://m.ithome.com/html/1005496.htm
• AI/TLDR 模型速览：https://ai-tldr.dev/releases/xiaomi-mimo-v2-6/
• OpenLM.ai 模型页：https://openlm.ai/mimo-v2.6/
• PyTorchKR 技术讨论（架构细节）：https://discuss.pytorch.kr/t/xiaomi-rl-1-02t-mimo-v2-6-1/11981
• Hugging Face 权重（XiaomiMiMo）：https://huggingface.co/XiaomiMiMo
• 太平洋科技报道：http://m.toutiao.com/group/7688182139620033064/
• 每日经济新闻报道：http://m.toutiao.com/group/7688160723205227044/

本文数据与事实均来自上述公开来源，检索整理于 2026 年 9 月 22 日；榜单口径以各发布机构为准。