小米 MiMo-V2.6 开源：双全模态模型登场，RSI 路线再落一子

9月22日，小米把 MiMo-V2.6 系列推向开源社区。该系列包含 Pro 与 Flash 两款原生全模态模型，也是小米在 RSI（递归自我改进）方向上的一次阶段性交卷。

评测成绩上，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index（AA 综合智能指数）中拿到 46 分，超过 Kimi K3、Qwen3.8 Max，坐上当前开源模型头把交椅；不过与最强闭源阵营的 Claude Fable 5.1、GPT-6 Astra 相比，仍有需要追赶的空间。

价格方面，MiMo-V2.6 系列沿用 V2.5 系列的 API 定价，做到能力上探、价格不动。官方测算显示，在同等智能水平下，MiMo-V2.6-Pro 的成本只有海外模型的 1/20 至 1/60，国产模型性价比纪录因此被再次改写。

训练环节，小米进行了 6 天 Live RL 训练。Flash 和 Pro 的花费分别约为 85 万美元、262 万美元，各自完成 30 步，累计约 75 万条轨迹；任务平均通过率分别取得 25% 和 12% 的相对增长。样本外长程软件工程评测 DeepSWE v1.1 中，Flash 由 48.8 提高到 65.68，增加约 17 分；Pro 由 58.4 提高到 72.57，增加约 14 分。

此次 RL 算力扩展沿着三条线推进：一是放大 Batch 并提升吞吐，结合大 Batch 与全异步架构，每次更新投入 1,568 个样本，可支持 1M 上下文训练，单步训练 Token 为 2.7～3.7B；二是扩充任务与复杂环境，训练体系横跨 Code、General、Visual、Cyber 等方向，并混合多个 Harness；三是加码 Grader 算力，借助 Group 内相对比较，为 Long-Horizon RL 任务生成奖励信号。

稳定性设计上，小米冻结了 MoE Router，以遏制专家负载漂移，同时布下 Reward Hacking 防线，涵盖奖励设计、对抗性评测、异常检测与验证器交叉校验。配套资源也同步开放，完整技术报告、训练环境和 RL 代码均已开源，方便研究者复现与核验。