小米发布并开源Xiaomi MiMo-V2.6系列模型

9月22日，小米正式发布并开源Xiaomi MiMo-V2.6系列模型。据介绍，该系列包含Pro和Flash两个原生全模态模型，是小米探索RSI（递归自我改进）路径的阶段性成果。

在评测数据方面，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。该分数超过Kimi K3和Qwen3.8 Max，成为当前最强开源模型；但对比最强闭源模型Claude Fable 5.1和GPT-6 Astra，仍存在差距。

MiMo-V2.6系列沿用V2.5系列的API定价，智能提升但价格不变。官方数据显示，MiMo-V2.6-Pro在同等智能水平下，价格仅为海外模型的1/20至1/60，刷新了国产模型性价比纪录。

在训练细节上，MiMo-V2.6进行了为期6天的Live RL训练。训练成本方面，Flash与Pro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%。在样本外长程软件工程评测基准DeepSWE v1.1中，Flash和Pro分别提升约17分（48.8 → 65.68）和约14分（58.4 → 72.57）。

据官方披露，本次训练主要从三个维度扩展RL算力：一是更大的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2.7～3.7B；二是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，混合多个Harness；三是更大的Grader算力，通过Group内相对比较为Long-Horizon RL任务提供奖励信号。

在训练稳定性方面，随着训练规模扩大，小米冻结了MoE Router以抑制专家负载漂移，并建立了覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的Reward Hacking防线。

目前，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，以供研究者复现和验证相关结果。