直播“燒錢”後，羅福莉終於放出新模型，實測MiMo-V2.6系列：給小米汽車換個官網

作者 | 畢偉豪 編輯｜李水青 9月22日報道，今早，小米大模型團隊發佈並開源了新一代模型Xiaomi MiMo-V2.6系列，包含兩款原生全模態模型MiMo-V2.6-Pro與MiMo-V2.6-Flash，小米還將逐步開放MiMo-V2.6-Pro-UltraSpeed，相比MiMo-V2.6-Pro，同等智力水平輸出速度提高20倍。▲Xiaomi MiMo-V2.6系列模型官宣（來源：X） 此外，小米還同步開源了用於新模型訓練的RL環境和框架以及模型技術報告。▲Xiaomi MiMo-V2.6系列模型訓練框架（來源：Huggingface） 羅福莉早上發文稱，MiMo-V2.

6押注大規模RL擴展，進行了開源模型迄今最大規模的單次RL訓練，團隊將其視為探索RSI（遞歸自我改進）、通往AGI的新一步，她直言MiMo-V2.6的創新和工程難度已經超過了DeepSeek R1。▲羅福莉發文（來源：X） MiMo-V2.6-Pro在Artificial Analysis智能指數上取得46.32分，超過Kimi K3與Qwen3.8 Max，成為該榜單迄今得分最高的開源模型，不過從得分上看總體與頂尖開源模型差距不大，其得分與剛剛發佈的Grok 4.7相當。▲MiMo-V2.

6-Pro在Artificial Analysis智能指數排名（來源：Artificial Analysis） 在主要測試AI網頁開發能力的Code Arena WebDev榜單中，MiMo-V2.6-Pro首測拿下1628分，較上一代MiMo-V2.5-Pro的1475分大漲153分，目前排名全球前十、開源權重模型第三。▲MiMo-V2.6-Pro在Code Arena WebDev榜單排名（來源：Arena AI） 價格方面，MiMo-V2.6系列維持V2.5系列的API定價，MiMo-V2.6-Pro輸入（緩存命中）0.

025元/百萬tokens，緩存未命中3元/百萬tokens，輸出6元/百萬tokens；MiMo-V2.6-Flash輸入（緩存命中）0.02元/百萬tokens，緩存未命中1元/百萬tokens，輸出2元/百萬tokens；MiMo-V2.6-Pro-UltraSpeed定價是MiMo-V2.6-Pro的十倍。▲MiMo-V2.6系列模型定價（來源：小米） 有網友曬出MiMo-V2.6-Pro與Grok 4.7的價格對比，同等智力水平下，Grok 4.7的價格大約是MiMo-V2.6-Pro的29倍。▲網友評論（來源：X） Xiaomi MiMo-V2.

6系列發佈的預熱方式也非常有趣，9月17日凌晨，羅福莉在社交媒體上發佈了兩款模型的訓練數據實時看板，全網“直播”了小米MiMo-V2.6的訓練細節，兩輪訓練平均每小時燒掉了3.08w美元。▲羅福莉發文直播訓練過程（來源：X） 有網友評論稱這是有史以來最酷的開源發佈之一，不僅直播訓練過程，還開源了技術細節，性能超強的同時，定價低到離譜。▲網友評論（來源：X） 不過也有開發者對模型能力提出了質疑，認為MiMo-V2.6系列至少Flash模型沒有達到預期，在OpenCode中會不斷循環執行命令和讀取文件，執行能力較差。▲網友評論（來源：X） 第一時間在OpenCode中對MiMo-V2.

6系列模型進行了實測，從實際效果上看，MiMo-V2.6系列模型的多模態能力和編程水平尚可，但存在長時間思考和查找目錄文件等問題。一、6天30步75萬條軌跡：從Coding到3D、科研，持續探索RL擴展 羅福莉所說的大規模RL擴展，在MiMo-V2.6的技術報告裡以一串數字的形式呈現，為其6天的直播訓練過程中，MiMo-V2.6-Flash與MiMo-V2.6-Pro各自完成了30步，累計覆蓋約75萬條軌跡，對應訓練成本約85萬美元和262萬美元。經過這一輪訓練，兩款模型的訓練任務平均通過率分別提升25%和12%。在DeepSWE v1.1測試中，Flash從48.8分提升至65.

68分，Pro從58.4分提升至72.57分，分別增加約17分和14分。在RL訓練階段，MiMo-V2.6投入了大量算力，經過大規模、多任務強化學習訓練，MiMo-V2.6-Flash與MiMo-V2.6-Pro在多數Agent Benchmark上取得了接近Claude Opus5和GPT-5.6 Sol的分數。訓練系統方面，RL算力擴展主要體現在訓練規模、任務環境和基礎設施三個方面。小米採用全異步架構，單次更新1568個樣本，訓練最高支持100萬token上下文，每個RL step消耗約35億至37億token。

訓練任務也不再侷限於編程，而是覆蓋通用Agent、視覺和Cyber等場景，並混合多種Harness，讓不同任務產生的訓練信號能夠共同作用於模型。獎勵機制也進行了創新，對於長程RL任務，小米採用組內評分機制，將同一任務下不同軌跡的完成情況和質量放在一起比較，再重新分配獎勵信號。這樣既能區分“完成了任務”和“高質量完成任務”的差異，也能引導模型減少完成單個任務所需的路徑和token。隨著訓練規模擴大，穩定性問題也隨之出現，小米凍結了MoE Router，以減少訓練過程中的模型漂移；針對Reward hacking，則從獎勵設計、對抗評估到驗證器交叉校驗設置了多層防護。

在工程層面，小米還統一了軌跡表示和懲罰機制，並針對不同Agent框架進行高併發交互。在訓練規模擴大之後，MiMo-V2.6的能力覆蓋範圍也隨之擴展。新一代模型處理的任務已經從編程進一步延伸到3D內容、計算機操作、設計、視頻和音樂等場景。比如在3D遊戲開發任務中，模型可以接收一段視頻、一張圖片或一句提示詞，自行拆解任務，協調多個Agent搭建3D場景、實現交互邏輯，並根據渲染結果進行視覺檢查和迭代。▲MiMo-V2.6演示案例（來源：小米） 在Blender中，它還可以根據文本描述或參考圖片生成3D資產，並進一步將其用於動畫、3D打印和遊戲開發。▲MiMo-V2.

6演示案例（來源：小米） 通過Computer Use，MiMo-V2.6可以進入具身仿真環境。模型能夠接收多視角相機畫面，持續進行推理和決策，再通過視覺反饋控制Franka Panda機械臂，完成物體抓取、顏色匹配和精確放置。▲MiMo-V2.6演示案例（來源：小米） 設計類任務也在能力範圍之內，MiMo-V2.6可以生成完整的前端界面或演示文稿，其中包含版式結構、組件、交互元素和動效，並能夠與Figma以及圖像、視頻生成工具配合。▲MiMo-V2.6演示案例（來源：小米） MiMo-V2.

6系列模型還可以進行視頻製作，在小米展示的一支產品宣傳片中，從視覺設計、鏡頭與動效編排，到音樂創作和卡點剪輯，都由模型完成。▲MiMo-V2.6演示案例（來源：小米） 音樂是新增的能力，小米方面稱，MiMo-V2.6強化了音樂理解、審美判斷和樂理運用，並首次探索了作曲任務。▲MiMo-V2.6演示案例（來源：小米） 小米方面展示的科研案例進一步展現了通用能力的遷移。小米明確表示，這些科研任務並沒有經過專門的科研RL訓練，更多依靠模型已有的通用能力完成。材料科學方面，小米讓MiMo-V2.6-Pro設計一種用於吸附全氟和多氟烷基物質（PFAS）的全新金屬有機框架（MOF）。

在材料專家的引導下，模型完成網絡檢索、文獻與專利梳理、提出假設和新穎性評估，隨後調用開源計算工具搭建仿真環境，計算MOF與PFASs之間的結合強度，最終篩選出三種候選框架，再交由溼實驗進一步驗證。▲MiMo-V2.6演示案例（來源：小米） 數學方向則是對Li與Yorke經典論文《週期三蘊含混沌》中主定理進行Lean 4形式化。研究者設計探索策略後，MiMo-V2.6-Pro通過subagent協作推進定理陳述與證明，最終項目包含6000多行Lean代碼，並通過Lean內核完成完整驗證，沒有留下未完成的證明佔位符。▲MiMo-V2.

6演示案例（來源：小米） 二、賽車遊戲開發、小米汽車官方設計，容易長考，愛翻目錄 首先測試了一下基礎的多模態能力，輸入一張Hermes Agent應用的截圖，讓MiMo-V2.6-Pro不依賴工具進行識別，模型很快完成了讀圖任務，精準度不錯，但速度稍慢。同樣的提示詞，更換了模型和截圖，我們讓MiMo-V2.6-Flash來執行一下這項任務，能看到MiMo-V2.6-Flash僅用了6秒，但返還的結果在內容豐富程度上比Pro模型差很多。首先我們用一個網頁開發任務來對MiMo-V2.6-Flash的網絡搜索、文件操控和前端設計能力進行測試，讓MiMo-V2.

6-Flash自行搜索信息並開發一個小米汽車官網的Demo。在這項任務中，雖然我們給出的提示詞對網頁開發的要求非常高，但是MiMo-V2.6-Flash作為Flash級別模型，整體的開發時間還是過長，不過網頁開發的質量不錯，網頁的交互流暢程度以及圖片嵌入都不錯，比如下面這裡演示的預約試駕功能。不過美中不足的是，MiMo-V2.6-Flash開發的小米汽車官網，雖然文字部分都是小米汽車的性能參數，搜索並嵌入的圖片卻是奔馳、寶馬、奧迪。最後輸入了一個經典賽車遊戲開發提示詞，測試一下MiMo-V2.6-Pro的遊戲開發能力，提示詞如下： MiMo-V2.

6-Pro花了64分鐘完成了遊戲開發任務，開發出的遊戲效果存在不少問題，賽道本身不清晰，路徑沒有嚴格限制好，初始狀態下賽車的建模被埋在了下方，做得比較好的地方是遊戲操控感和整體的光影效果。此外，在測試MiMo-V2.6-Pro遊戲開發能力的時候，還輸入了一個3D世界遊戲開發的提示詞，在沒有專業遊戲開發工具依賴的情況下，MiMo-V2.6-Pro最終交付的3D世界本身的構建還是不錯的，功能、下落的雨絲以及人物動作都比較合理，僅存在雨傘不在手上的小問題。整體實測下來，MiMo-V2.6系列模型和上一代給我們的感受差不多——主打性價比。

模型基礎能力是不錯的，只是在思考時間上和執行任務的路線上存在一些問題，整體模型在任務交付效率上稍弱一些。當然，所做的實測都是基於OpenCode上所提供的模型進行的，不能代表模型小米官方Agent和API中的實際效果，也不能完全代表模型能力。結語：小米RSI道路新作，但模型能力仍需更多實測驗證 從這次發佈來看，MiMo-V2.6把重點放在了大規模RL訓練的進一步擴展上：6天完成30個RL step、覆蓋約75萬條軌跡，訓練任務也從Coding延伸到Agent、視覺、3D、Computer Use以及科研任務。

與此同時，小米將RL訓練環境、代碼和技術報告一併開源，把訓練過程中的基礎設施、獎勵機制等細節也公開出來。從Benchmark到實際測試，MiMo-V2.6展現出了較強的基礎能力，但不同任務之間仍存在明顯差異。尤其在長程任務中，模型的思考時間、工具調用和執行路徑都會直接影響最終交付效率，實測過程中的表現也存在很多問題。模型最終能走到什麼位置，除了榜單分數，後續實際使用中的任務完成質量和效率同樣重要。小米希望通過持續擴大RL訓練規模探索RSI，這條路線能否進一步提升模型的自主任務能力，還需要後續版本和更多實際任務來驗證。