9 月 22 日,小米 MiMo 团队发布并开源 MiMo-V2.6 系列。旗舰 MiMo-V2.6-Pro-RL 以 1.02 万亿总参数、420 亿激活参数的稀疏 MoE 架构,把开源权重模型在 Artificial Analysis 智能指数上推到 46 分——与 xAI 前一天发布的 Grok 4.7 并列,是该榜单口径下开源权重模型的最高分。

架构:万亿稀疏 MoE + 1M 上下文 + 原生全模态

按官方模型卡,MiMo-V2.6-Pro-RL 总参数 1.02T,每个 token 激活 42B,路由专家 384 个、每 token 激活 8 个;骨干 70 层,其中 60 层滑窗注意力(SWA)、10 层全局注意力,hidden size 6144。上下文长度 1M token,原生支持文本、图像、视频、音频四种输入:视觉侧是 681M 参数的 MiMo ViT,音频侧是 308M AudioTokenizer 加 127M 音频 patch encoder,另配 5 层 MTP 投机解码器加速推理。权重以 MIT 协议在 Hugging Face 开放,允许商用(官方模型卡见 Hugging Face)。

评测:Agent 基准贴身闭源旗舰,安全项跨代跳变

模型卡的对比表里,MiMo-V2.6-Pro-RL 在多个 Agent 基准上与闭源旗舰互有胜负:DeepSWE v1.1 拿 71.9,超过 Claude Fable 5 的 70.0,略低于 Claude Opus 5 的 74.0 与 GPT-5.6 Sol 的 73.0;AutomationBench 53.1,高于 Opus 5(50.3)、Sol(45.8)和 Fable 5(46.2);Agents' Last Exam 31.6 与 Opus 5 持平;Terminal Bench 2.1 拿 89.9;JobBench 62.0,明显高于 Sol 的 45.4。安全方向进步最猛:CyberGym 从上一代 V2.5 Pro 的 40.0 跳到 94.0,自家的 MiMo Cyber Bench 从 0.0 直接拉到 80.2。

作为对照,V2.5 Pro 在 DeepSWE v1.1 只有 19.0、AutomationBench 只有 16.0——V2.6 在 Agent 与安全两条线上都是跨数量级的代际跳变。

第三方口径上,Artificial Analysis 给 MiMo-V2.6-Pro 打出智能指数 46 分,为其榜上开源权重模型最高分,与 Grok 4.7 并列(见 Artificial Analysis)。小米官方口径是 46.32 分,并称其为"最强开源模型"、超过 Kimi K3 与 Qwen3.8 Max——官方宣传,读者自行加权。

训练:You Only RL Once + 组内智能体评分

V2.6 的主线是把强化学习往自我改进推。官方称训练采用"一次混合 RL"(You Only RL Once):coding、通用 Agent、视觉、网络安全任务混进同一个 RL run,不同 harness 上的能力互相迁移。底层是全异步 GRPO,每步 1,568 个 prompt、每个 prompt 16 条 rollout。

更有意思的是打分方式:二元的 pass/fail 无法给"都通过"的解排序,于是 MiMo 引入组内智能体评分(Groupwise Agentic Grading)——离线用组内对比 rollout 生成任务特定 rubric(Groupwise Reward Synthesis),在线给通过的轨迹排序并把 advantage 导向更优解(Groupwise Advantage Redistribution),相当于把奖励信号本身也做了 scaling。配套手段还包括冷启动自纠错、环境加固与 verifier 交叉检查防 reward hacking,RL 之后再做多前缀多教师 on-policy 蒸馏(MOPD2)。

Flash:310B 版本才是行业影响所在

同系列 MiMo-V2.6-Flash-RL 总参数 310B、激活 15B,基准却掉得不多:DeepSWE 67.9 对 Pro 的 71.9,AutomationBench 52.3 对 53.1,Terminal Bench 2.1 87.6 对 89.9,普遍保住九成以上。VentureBeat 报道中,bitsandbytes 作者、CMU 教授 Tim Dettmers 的评价是:Flash"感觉是 300B 到 550B 级别里最好的模型,比 DeepSeek v4.1 和 GLM 5.3 Flash 都好"。API 定价上,Pro 为每百万 token 输入 0.435 美元、输出 0.87 美元,Flash 只要 0.14 与 0.28 美元——大约三分之一的价格。

当万亿旗舰的能力能以三分之一价格在 15B 激活的模型上保住九成,开源阵营对闭源 API 的价格压力就会从"旗舰对决"下沉到"日常调用"。登顶是头条,Flash 才是账单。