小米正式发布并开源全新一代 MiMo 大模型 国产第一

【CNMO 科技消息】小米正式发布并开源 Xiaomi MiMo-V2.6 系列。这是小米探索 RSI（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。MiMo-V2.6 系列包含 Pro 和 Flash 两个原生全模态模型。

Xiaomi MiMo-V2.6

得益于 RL 算力的扩展，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 46 分，超过 Kimi K3 和 Qwen3.8 Max，成为当前最强的开源模型；但与最强的闭源模型 Claude Fable 5.1 和 GPT-6 Astra 相比，仍有差距。

MiMo-V2.6 系列沿用 V2.5 系列的 API 定价。智能提升，价格不变，" 智能 - 成本 " 的帕累托前沿由此再度向外推进。MiMo-V2.6-Pro 刷新了国产模型的性价比纪录：在同等智能水平下，价格仅为海外模型的 1/20 至 1/60。

大规模扩展 RL 并全面开源

在 RL 训练阶段，MiMo-V2.6 可能是目前国产开源模型中投入算力最多的模型之一。经过大规模、多任务强化学习训练，MiMo-V2.6-Pro 在多数 Agent Benchmark 上取得了比肩 Claude Opus5 和 GPT-5.6 Sol 的效果，MiMo-V2.6-Flash 则全面超越 MiMo-V2.5-Pro。

历时不到 6 天，MiMo-V2.6-Flash 与 MiMo-V2.6-Pro 训练成本分别约 85 万与 262 万美元，各完成 30 步，累计约 75 万条轨迹；训练任务平均通过率分别相对提升 25% 和 12%，样本外的长程软件工程评测基准 DeepSWE v1.1 分别提升约 17 分（48.8 → 65.68）和约 14 分（58.4 → 72.57），体现出 RL 较高的样本效率、持续改进能力和样本外的泛化能力。

本次训练主要从三个维度扩展 RL 算力：更大的 Batch 与更高吞吐，结合大 Batch 和全异步架构，单次更新使用 1,568 个样本，支持 1M 上下文长度训练，单步训练 Token 达 2.7 至 3.7B；更多任务与复杂环境，构建覆盖 Code、General、Visual、Cyber 等方向的多任务训练体系，并混合多个 Harness；更大的 Grader 算力，通过 Group 内相对比较，为 Long-Horizon RL 任务提供更精准、多样的奖励信号，形成模型自我改进闭环。

随着训练规模扩大，小米冻结 MoE Router 以抑制专家负载漂移，并建立覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的 Reward Hacking 防线。为支撑大规模混合任务的智能体强化学习，团队设计了统一的轨迹表示与惩罚机制，支撑多种智能体框架的高并发交互，解耦控制面与数据面以支持海量轨迹的迁移，在混合批次中稳定各任务的样本配比，并优化训练与推理引擎的效率及一致性。小米已开源上述技术成果及配套资源，包括完整技术报告、训练环境与 RL 代码。

从 Vibe Coding 到 Vibe World

MiMo-V2.6 融合了 3D 空间推理、多模态感知与计算机操作（CUA）能力，进一步拓展了编程所能触及的边界，可将自然语言驱动的编程任务拓展为面向交互世界构建的 "Vibe World"。

在 3D 开放世界游戏中，用户输入图片、视频或文字后，MiMo-V2.6 会将需求拆解为多个任务，由多智能体协作完成游戏 3D 场景搭建、交互逻辑编写与视觉验证，并根据渲染结果不断修正，最终生成符合用户意图的可运行交互世界。在 Blender 3D 建模中，MiMo-V2.6 能够根据用户的文字描述或参考图片，在 Blender 中完成物体与场景的三维建模，生成可用于动画制作、3D 打印与游戏开发的 3D 资产。在具身智能方面，MiMo-V2.6 在具身仿真环境中可直接以多视角相机画面为输入，持续进行推理与决策，并通过视觉反馈闭环控制 Franka Panda 机械臂，完成物体抓取、颜色匹配与精准放置。在 Computer Use Agent 方面，MiMo-V2.6 将多模态感知与原生训练的行动能力相结合，可理解复杂图形界面，使用常见办公与生产力工具，完成信息检索、编辑和数据处理等任务，并根据视觉反馈检查结果、排查问题、调整后续行动。

推动前沿科学研究

未经针对科研任务的专项强化学习训练，MiMo-V2.6 已在多个研究领域展现出应用潜力。在材料科研方面，MiMo-V2.6-Pro 协助研究人员完成材料设计与计算筛选，提出了数种金属有机框架（MOF）材料的设计方案，目标是吸附被称为 " 永久性污染物 " 的全氟和多氟烷基物质（PFAS），并调用开源计算工具开展 " 干实验 "，计算设计出的 MOF 材料与 PFAS 之间的结合强度，筛选出最有潜力的候选材料。在形式化数学证明方面，MiMo-V2.6-Pro 协助研究员在 Lean 4 中完成了 Li – Yorke 经典论文《周期三蕴含混沌》原始主定理的完整形式化，项目最终形成 6000 余行 Lean 源码，完整证明通过 Lean 内核核验，无未完成证明占位。

代码驱动的内容创作与审美表现

MiMo-V2.6 系列大幅提升了模型创建精美数字产品的能力，涵盖前端网页、Figma 设计稿、幻灯片、SVG、视频、音乐等。在设计评测榜单 Design Arena 上，MiMo-V2.6-Pro 取得了与 Claude Opus 5、GPT-5.6 Sol 相近的水平。MiMo-V2.6 可将简单指令转化为完整的前端界面和 PPT，熟练运用 Figma 和图像 / 视频生成工具；在视频创作中，能端到端完成视觉设计、镜头与动效编排、配乐合成及节奏卡点，并调用 MiMo-V2.5-TTS 合成旁白；在音乐创作中，MiMo-V2.6-Pro 根据要求创作了一首包含约十种乐器的管弦乐作品，完成乐谱生成后自主将其转换为 MIDI。

全面开源与使用方式

小米全面开源 MiMo-V2.6-Pro、Flash 模型权重与技术报告，同步开放 MiMo-V2.6-Distill-Qwen-9B 及配套 RL 研究资源。开源内容包括：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 和 mini-swe-agent；轻量可组合的 Harness，开源极简 mini-harnesses。

使用方面，MiMo Desktop 桌面客户端及会员订阅方案同步上线，MiMo-V2.6 系列已上线 Xiaomi MiMo 开放平台，API 价格维持不变。MiMo-V2.6-Pro 于开放平台提供 UltraSpeed 超高速模式可选，提供最高 20 倍的输出速度。