小米 MiMo-V 2.6 开源：AA 指数 46 分登顶开源权重，6 天 RL 训练暴涨 20 分

一句话结论：小米用「不到 6 天、262 万美元」的 RL 训练，把 MiMo-V 2.6-Pro 的 AA 综合智能指数从 26 分拉到 46 分，一举超过 Kimi K 3 和 GLM-5.3，成为当前开源权重模型的最高分——这是国产模型在 RSI（递归自我改进）路线上交出的又一份硬答卷。

AI 摘要

• 发生了什么：小米 9 月 21 日凌晨发布并开源 MiMo-V 2.6 系列（Pro + Flash），原生全模态模型。
• 核心变化：通过规模化扩展 RL（强化学习）算力，Pro 在 Artificial Analysis Intelligence Index v 4.3.2 上拿到 46 分，超 Kimi K 3（44）和 GLM-5.3（45）。
• 影响对象：关注国产开源模型选型的开发者、做多模态 Agent 的团队、盯 RSI 路线的研究者。
• 下一步观察：10 月 15 日阶跃星辰 Step 5 Preview 开源，以及 MiMo-V 2.6 是否带动「RL 算力换智能」成为国产模型新范式。

为什么说这是国产开源模型的「里程碑」？

先看一个数字：MiMo-V 2.6-Pro 在 AA 综合智能指数 v 4.3.2 上拿到 46 分。这个分数超过了 Kimi K 3 的 44 分和 GLM-5.3 的 45 分，是当前 AA 指数上排名最高的开源权重模型。对比前代 MiMo-V 2.5-Pro 的 26 分，相当于一代涨了 20 分。

但要泼一盆冷水：46 分距离 Claude Fable 5.1 和 GPT-6 Astra 的 53 分，还有明显差距。小米官方在技术报告里也如实标注了这一点。换句话说，这是「开源第一」，不是「全面第一」，两者不能划等号。

真正值得关注的是它怎么涨上来的。这不是靠堆更多预训练数据，而是靠 RL 算力规模化——这正是站内一直在跟的 RSI 叙事（谷歌 RSI 泄露、智谱 Infra Agent）在国产模型上的一次落地。

6 天、262 万美元，RL 算力到底买到了什么？

小米公开了一组罕见的训练成本数据：Pro 和 Flash 两个模型的 RL 训练历时不到 6 天，成本分别约 262 万美元和 85 万美元，各完成 30 步，累计约 75 万条轨迹。

训练收益是实打实的。训练任务的平均通过率，Pro 相对提升 25%，Flash 提升 12%。在样本外的长程软件工程基准 DeepSWE v 1.1 上，Pro 从 48.8 涨到 65.7（+17 分），Flash 从 58.4 涨到 72.6（+14 分）。

小米把这套打法拆成三个维度：更大的 Batch 与吞吐（单次更新 1568 个样本、单步训练 3.5-3.7 B token）、更多任务与复杂环境（覆盖 Code、General、Visual、Cyber）、以及更大的 Grader 算力（通过组内相对比较给长程 RL 更准的奖励信号）。这基本是把 RSI 从「论文里的想法」变成了「可复现的工程配方」。

开源的内容，对社区意味着什么？

MiMo-V 2.6 这次不只是发权重，还配套开源了三样东西：7000+ 个高质量 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）、基于 verl/uni-agent/mini-swe-agent 的端到端 RL 训练框架，以及轻量可组合的 mini-harnesses。

配套的 MiMo-V 2.6-Distill-Qwen-9 B 也一并开源，在 11 项评测上全面超过 SFT 基线：SWE-bench Verified 从 61.1 提到 66.2，Cyber Bench 从 31.3 提到 47.0，Visual Coding 从 64.0 提到 72.4。

对社区来说，这套东西的价值在于「可复现」。RL 训练过去是头部实验室的黑盒，小米把任务环境、框架、harness 一起摆出来，意味着小团队也能照着练。这也延续了国产大模型选型决策树里反复强调的判断：选模型看的是单位成本的智能产出，而 RL 正在成为成本效率的新杠杆。

定价和落地，是诚意还是噱头？

价格上 MiMo-V 2.6 延续了 V 2.5 的定价：Flash 每百万 token 输入 1 元、输出 2 元，Pro 是 3 元和 6 元，缓存折扣 99%。官方口径是同等智能水平下，价格只有海外模型的 1/20 到 1/60。

落地层面，MiMo Desktop 桌面客户端同步上线（Windows + Mac），Pro 版还带一个 UltraSpeed 超高速模式，号称最高 20 倍推理速度。能力上融合了 3 D 空间推理、多模态感知和计算机操作——官方演示里，模型可以拆解需求、由多智能体协作完成 3 D 场景搭建，还能以多视角相机画面为输入闭环控制 Franka Panda 机械臂做抓取。

科研侧也有两个漂亮的案例：协助完成 PFAS 吸附用 MOF 材料的设计筛选，以及在 Lean 4 里完成 Li-Yorke 经典论文《周期三蕴含混沌》主定理的形式化（6000 余行，通过 Lean 内核核验），且模型未做过 Lean 专项后训练。

小米这次开源会改变什么？

短期看，这是一次漂亮的「成本叙事」。小米用 6 天 262 万美元换来开源第一，把 RL 算力的性价比打到了一个很低的门槛，这对还在堆预训练规模的厂商是个压力。

中期变量在于：这套 RL 配方是不是真的可迁移。小米开源了任务环境和框架，如果社区能复现出相近的收益，那「RL 算力换智能」会快速成为国产模型的标配动作，而不是小米一家的独家叙事。

长期看，小米的身份本身值得玩味——一家消费电子公司，用手机之外的第二曲线切入基础模型，而且直接押注 RSI 这条最前沿的路线。这和国产模型周报里观察到的趋势一致：竞争已经从「刷分」转到了「成本和场景」。

哪些风险还没被验证？

• AA 指数是单一榜单，46 分能否泛化到真实任务，还需要第三方复测。
• 官方公开的 6 天/262 万美元是自述口径，没有独立审计。
• 全模态能力（3 D、机械臂控制）目前主要停留在官方 demo，实际可用性待验证。

FAQ

MiMo-V 2.6 和 Kimi K 3、GLM-5.3 怎么选？

如果你看 AA 指数，MiMo-V 2.6-Pro 的 46 分目前是三者最高。但 AA 指数偏综合，具体到写代码，MiMo 的 DeepSWE 涨到 65.7 是一大亮点；Kimi K 3 强在长上下文和中文场景；GLM-5.3 的匿名测试热度更高。还是那句话：回到你自己的任务上测。

我能本地跑 MiMo-V 2.6 吗？

Pro 和 Flash 是全模态大模型，本地推理门槛不低，官方主要走 API 和 MiMo Desktop。想跑轻量版本，可以试配套开源的 Distill-Qwen-9 B 蒸馏模型。

小米这次开源能商用吗？

小米官方对 MiMo-V 2.6 权重本身的商用授权没有明确限制说明，但 RL 任务环境和框架的开源协议需要看具体仓库的 License。商用前建议逐一核对。