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。