大模型江湖风起云涌，格局正在重塑。9月21日，小米MiMo团队正式发布并全面开源新一代MiMo V2.6系列，一口气端出三款模型——Pro、Flash和Ultraspeed，彻底改写了全球开源模型的版图。
MiMo V2.6 Pro在Artificial Analysis智能指数中斩获46分，超越了Kimi K3和Qwen3.8 Max，一举夺得全球开源模型第一和国产模型第一的宝座。放眼全球榜单，虽然尚未追平Fable 5.1、GPT-6 Astra等顶尖闭源模型，但已稳稳跻身全球顶尖第一梯队，将其他所有开源模型甩在身后。更令人瞩目的是，其价格维持V2.5不变，但智能水平实现翻倍，直接开辟了新的“智能-成本”帕累托前沿。当其他厂商还在打价格战时，小米直接掀翻了游戏桌。
小米大模型负责人罗福莉在X平台上撰文《The Hard Road to Scaling Up RL》，指出MiMo V2.6很可能是开源世界迄今最大规模的单次RL训练，团队将所有算力押注于强化学习的扩展边界。她直言这次RL的研究创新和工程挑战甚至超过了DeepSeek R1。同一天，SpaceX的Grok 4.7发布，马斯克兴奋转发，但AI博主Chubby迅速改口，称赞MiMo V2.6比Grok 4.7更强且便宜30倍。两者同为46分，但MiMo单任务成本仅0.13美元，Grok 4.7则高达3.74美元。同分、开源、全模态、价格低廉，这五个字成为了社区的共识。
MiMo V2.6是一个系列，针对不同工作场景分工明确。MiMo V2.6 Pro是整个系列的绝对旗舰，全模态、超高性能，覆盖复杂项目、长程任务、高价值工作，甚至能啃网络安全和科研的硬骨头。放眼开源世界，它是唯一一个同时做到全模态和旗舰性能的模型。在多数Agent Benchmark上，它已经能比肩Opus 5和GPT-5.6 Sol。在Design Arena的排名更加细致地暴露了它的实力，在Chat综合场景、Website类别、Web Apps前端开发场景中，它多次超越Opus 5、Fable 5、GPT-5.6 Sol等闭源旗舰。请注意，被它超越的那些名字——Opus 5、Fable 5、GPT-5.6 Sol，每一个都是各家公司几百亿美元投下去的闭源旗舰。一个开源模型，在真实的开发者投票场景中把它们踩在了脚下。
MiMo V2.6 Flash走的是“效率怪兽”路线，全模态、高智能、低成本，专为专业办公中的高频调用和规模化任务设计，已经全面超越上一代旗舰V2.5 Pro。MiMo V2.6 Pro Ultraspeed则是为“高效率”的人准备的，它保留了Pro的旗舰级性能——不做量化，不因速度牺牲智能，同时提供最高10倍推理速度，常态500 TPS，峰值可达1000 TPS。3倍价格换10倍速度，对于强实时交互和对响应速度敏感的生产场景来说，这笔账怎么算都划算。
榜单成绩只是入场券，实战能力才是开发者买单的原因。MiMo V2.6在几个关键场景中的表现，验证了它不是为跑分而生的“应试选手”。游戏开发场景中，它生成的3D开放世界不仅帧率稳定，而且审美统一。复杂3D场景建模中，它能根据文本描述在Blender中生成线框3D模型，空间推理和细节控制不输旗舰闭源模型。多模态输入生成Office文档场景中，它生成了一份“关键矿产”基金路演幻灯片，封面透着投行研报的克制感，文字组织也展现了真正的分析师自觉。新材料研发“Co-Scientist”场景中，小米前沿材料团队用MiMo V2.6 Pro设计了一种能从水中捕获PFAS的新型金属有机框架材料，整个流程实现了端到端闭环，人类专家工作效率提升约10倍，研发周期从压缩到2至3天。北京大学材料科学与工程学院特聘研究员窦锦虎教授评价：“它在这次任务中展现出的研究能力，已经达到了训练有素的博士研究人员的水平。”
MiMo V2.6有一个被低估的优势：单轮交付速度极快。在复杂多步任务中，同等时间内MiMo可以完成更多迭代轮次，结果更可控。MiMo是怎么做到的？这是整个V2.6最让人好奇的问题——预训练基座没有变，参数没有变，凭什么智能水平能跃升到“全球开源第一”？答案藏在四个字里：后训练革命。小米官方给这次发布的定位是探索RSI（递归自我改进）路径的关键一步。罗福莉在9月17日发了一条让整个AI社区炸锅的推文，阅读量冲到了三百万。她说团队沉寂了近半年，只研究一件事：强化学习究竟能扩展到多远。然后，她做了一件前所未有的事：把MiMo V2.6的RL训练过程全程直播。不到6天，Flash和Pro两个模型各跑完30步，累计约75万条轨迹，训练成本分别约85万和262万美元。所有数据实时挂在 mimo.xiaomi.com/rl 上，全世界的研究者都能看到训练曲线一步步攀升。这波操作直接把海外AI社区看懵了。Nathan Lambert评价说这是“迄今为止公开的最酷的大规模RL资源之一”。直播的成绩单也很硬：两个模型的训练任务平均通过率分别相对提升25%和12%；更关键的是样本外——在没参与训练的长程软件工程基准DeepSWE v1.1上，Flash从48.8涨到65.68，Pro从58.4涨到72.57。
真正的核心技术是MixRL——混合任务强化学习。罗福莉把这套方法论浓缩为一句话：You Only RL Once。一次大规模混合任务RL，就能让模型在各个方向上同时涌现能力，不需要针对每个任务分别训练。MiMo V2.6的后训练不是简单地“多练几轮”，而是沿着三个轴同时扩展，形成一个“环境×任务×评分器”三轴协同的自我改进系统。第一轴是Rollout计算，练得够不够多。每个训练步骤使用1568个Prompt，每个Prompt进行16次Rollout，单步训练Token达27亿至37亿，支持1M上下文长度训练，完全异步执行。这是在用4000块GPU铺开一张巨大的“刷题网”，让模型同时面对25000条轨迹，用海量的试错来逼近最优解。16次是成本和信号质量之间的甜蜜点。而“完全异步”四个字，藏着一个关键的工程洞察。传统同步RL像是一场全班统考，所有GPU先一起生成答案，再一起评分，再一起更新模型，必须等所有人交卷才开始下一轮。MiMo V2.6把生成、评分、训练拆成连续流水线，哪条轨迹先跑完就先评分、先学习。不等任何人交卷。
第二轴是环境与Harness，见得够不够广。传统RL只让模型在单一任务上练，MiMo V2.6把编程、通用办公、视觉设计、网络安全等多种Agent任务混在一起训练。编程占68%、通用Agent占12%、视觉设计占13%、网络安全占4%、指令遵循占3%，横跨25个数据源、21种Harness框架。每个领域都有专门的质量把关机制。编程任务建立了三重质检，网络安全方向直接用OSS-Fuzz的真实漏洞做训练环境，视觉设计分两类检查。
第三轴是Grader计算，反馈够不够准。V2.6不满足于简单的“做对了给1分、做错了给0分”，而是把评分过程本身做成了一个Agent。简单任务用离线Rubric按预设维度逐项打分，复杂长链路任务则启动在线的Agentic Grader，在同一组16条Rollout中横向对比所有方案，做“组内排名+信用分配”。这个Agentic Grader会从五个维度进行细粒度评分：方案是否恰当、修改是否精准、改动是否最小化、有没有引入副作用、工程质量是否过关。它甚至能识别出“虽然通过了测试但其实是投机取巧”的方案，把奖励重新分配给真正高质量的解法，并引导模型用更短的路径、更少的Token把任务做完。MiMo做了一个反常识的决定：在评分环节也大量投入算力。传统观点认为算力应该全花在“让模型多练”上，但小米发现，精细的评分信号能让每一步训练都更有效率。
三轴同时发力，构成了一个自我改进的闭环。但三轴扩展只是硬币的一面，另一面是：把这么多不同类型的任务混在一次RL中跑，最大的挑战不是“怎么跑”，而是“怎么不翻车”。MiMo团队为此建了一整套稳定性基建。Sample Mixer调度器负责动态平衡，Router冻结保证训练一致性，MoE架构下每个词由384个专家中的8个处理，RL过程中锁死路由。还有Reward Hacking三层防线，环境消毒、对抗筛查、持续审计。
MiMo V2.6的做法更简单粗暴：智能翻倍，价格不变，直接画一条新线。旗舰档对比一目了然：MiMo V2.6 Pro的三项价格全面最低。相比Opus 5和GPT-5.6 Sol，缓存价格低约99%，输入价格低约89%，输出价格低约95%以上。效率档也是同样的故事：MiMo V2.6 Flash与DeepSeek V4.1 Flash闲时输入价格接近，但输出价格低50%。Artificial Analysis第一时间给出了数据：MiMo V2.6 Pro实测单任务成本仅0.13美元，首次将全球前沿智能带入0.1美元区间。换算到同等智能水平，MiMo V2.6 Pro的价格只有海外模型的1/20到1/60。说白了，在“智能-成本”的帕累托图上，能逃出MiMo V2.6斩杀范围的模型，预计只剩下Fable 5.1、Fable 5、GPT-6、GPT-5.6 Sol、Opus 5和Muse Spark 1.3这寥寥几个。而它们无一例外都是闭源的、定价高得多的旗舰模型。
这不是一次爆发，是三代模型积累的技术复利。回顾MiMo的技术路线，“效率”这个词像一条暗线贯穿始终。从2025年12月的MiMo-V2和2026年4月发布的V2.5，通过MoE稀疏激活、滑动窗口注意力、多Token预测和推理系统协同，在扩大模型容量和上下文能力的同时，把实际激活计算、KV Cache和生成延迟全部压下来。V2.5-Pro的UltraSpeed版本在单台标准8卡GPU节点上突破1000 tokens/s输出速度。V2.5在Agent基准ClawEval上取得相近成绩的前提下，比Kimi K2.6少用42% Token，比Meta Muse Spark少用50% Token。而且，市场已经给出了真金白银的投票：2026年7月，MiMo V2.5登顶OpenRouter全球模型调用量月榜、周榜双料第一，单周调用量突破10万亿Token。一个开源模型，在全球最大的模型API聚合平台上打败所有闭源竞品。MiMo V2.6，正是这条效率路线的阶段性闭环：前两代积累的高效架构降低了长轨迹成本，更快的推理速度扩大了RL探索规模，更丰富的环境与Grader提高了任务成功率。增长后的能力又通过同一套高效系统，以更低成本、更高速度交付。飞轮一旦转起来，越转越快。
小米MiMo V2.6用一个全程直播的RL训练、一套“环境×任务×评分器”三轴协同的自我改进系统、一张全球开源第一的成绩单，证明了——强化学习可以扩展到很远，开源模型可以站到很高，技术效率可以创造真正的帕累托最优。