AREX Feed Article
小米 MiMo 开源 MiMo-V2.6 Pro 与 Flash 全模态模型，官方称多数 agent 基准比肩 Claude Opus 5 与 GPT-5.6 Sol
北京时间 2026 年 9 月 22 日凌晨 4 时 51 分（UTC 时间 9 月 21 日 20:51），小米 MiMo 官方 X 账号 @XiaomiMiMo 宣布发布并开源 MiMo-V2.6 系列的两款全模态（omnimodal）模型：旗舰 MiMo-V2.6 Pro 与效率档 MiMo-V2.6 Flash，官方称两者经由规模化强化学习（scaled reinforcement learning）构建，Pro 在大多数 agent 基准上与 Claude Opus 5、GPT-5.6 Sol 相当，并以 46 分成为 Artificial Analysis 智能指数上得分最高的开源模型。该帖发布约十小时获得 6,455 个赞和约 66.8 万次浏览。46 分这项成绩已经在 得到确认；「比肩 Claude Opus 5 与 GPT-5.6 Sol」目前仍是厂商自报口径。
开源内容不止权重，还包括技术报告、RL 环境与训练代码。效率档检查点 MiMo-V2.6-Flash-RL 的 披露：稀疏 MoE（混合专家）架构，总参数 309B、每 token 激活 15B，原生支持文本、图像、视频、音频输入，上下文长度 100 万 token。发布数小时内，分发渠道 已上架该系列。
权重、技术报告、RL 环境与训练代码一并放出
列出的开源清单共四件。权重托管在 Hugging Face 与 ModelScope，检查点名为 MiMo-V2.6-Pro-RL 与 MiMo-V2.6-Flash-RL——开放下载的正是强化学习训练后的成品；技术报告以 PDF 形式挂在 里。还写道，这场 RL 生产训练全程直播；推文标语也写着「公开构建」（built in public）。推文同时点名增强的方向：编码、computer use（计算机操作）、3D 推理与创意能力。
Flash 主干 48 层、256 个专家，Pro 总参 1.02T、激活 42B
按 的规格表：稀疏 MoE，总参数 309B、激活 15B（B 即十亿）；主干 48 层，其中 39 层滑动窗口注意力（SWA）、9 层全局注意力（GA），路由专家 256 个、每 token 激活 8 个；原生接受文本、图像、视频、音频四种模态，上下文 100 万 token。视觉编码器是 681M 参数的 MiMo ViT（28 层，24 层 SWA 加 4 层全局注意力），音频侧由 308M 参数的 AudioTokenizer 加 127M 参数的音频 patch 编码器组成；另配 5 层 MTP（多 token 预测）投机解码器（DFlash 风格），每次前向预测 7 个 token 用于并行验证。
给出旗舰规格：总参数 1.02T（约 1.02 万亿）、激活 42B，70 层主干（60 层 SWA、10 层 GA），384 个路由专家同样激活 8 个；视觉与音频编码器和 Flash 相同，上下文同为 100 万 token。Artificial Analysis 的模型页把 Pro-RL 权重标注为 MIT 许可的开放权重模型。官方博客的演示里，这款模型能从一张图、一段视频或一句话生成可交互的 3D 场景、在 Blender 中产出 3D 资产、在具身仿真环境中以视觉反馈闭环控制 Franka Panda 机械臂，并用 MiMo-V2.5-TTS 给生成的视频配旁白。
一次跑完四个领域的混合 RL：You Only RL Once
模型卡把训练方案概括为「You Only RL Once」：编码、通用 agent、视觉、网络安全四类任务不分开训练，而是混进同一场强化学习，任务与多个评测框架（harness）放在同一批次里，官方称这样各能力互相促进，策略还能迁移到训练中没见过的框架。对齐训练从「自我纠错」冷启动——模型反思并改写自己跑偏的回答轮次。
官方披露的规模化数字是：每步更新 1,568 条样本、每条样本 16 个 rollout 的完全异步 GRPO（组相对策略优化），单步训练 35 亿～37 亿 token，训练上下文最高 100 万。奖励信号本身也被加码：模型卡解释，二元的通过/失败无法给「都通过了」的解排出高下，于是由一个 agent 评分器在组内比较 rollout——离线用对比 rollout 构建任务专属评分细则并与测试结果融合（Groupwise Reward Synthesis），在线给通过的轨迹重新排序、把优势向更高质量的解倾斜（Groupwise Advantage Redistribution）。模型卡把这个机制标注为「自我改进循环」，称它引导模型走更短的路径、每个任务消耗更少 token。防作弊方面，博客提到训练中途冻结路由器以抑制漂移，并用奖励设计、对抗评估、异常检测和验证器交叉核验来防 reward hacking（模型钻奖励机制的空子）。
混合 RL 结束后还有一步 MOPD2（多前缀多教师 on-policy 蒸馏）：把学生自主 rollout 与前缀条件下的单轮 rollout 结合，复用教师轨迹和 SFT（监督微调）示例的历史，让决策点无需重新生成前文就能训练，官方称借此把能力扩展到难以验证的任务上。
这场训练的账本也写在博客里：Flash 与 Pro 各自在不到六天内跑完 30 步 RL、约 75 万条轨迹，花费约 85 万美元和约 262 万美元；训练任务的平均通过率相对提升 25% 和 12%；训练过程中 DeepSWE v1.1 得分分别从 48.8 涨到 65.68、从 58.4 涨到 72.57（模型卡最终评测表给出的数字是 Flash 67.9、Pro 71.9）。
官方评测表：与 Claude Opus 5、GPT-5.6 Sol 互有胜负
智能指数这一项可以独立核实：Artificial Analysis 的 MiMo-V2.6-Pro 页面显示其得分为 46（官方博客给出更精确的 46.32，并注明是 2026 年 9 月的 v4.3 版指数，由 AA-Briefcase、GDPval-AA v2、Terminal-Bench 4.0 等 10 项评测构成），该页还记录了评测开销——共生成 1.4 亿输出 token、花费 206.66 美元。至于「开源模型中最高」，出自小米官方口径：博客称此分超过了 Kimi K3 和 Qwen3.8 Max。同一张官方榜单图上，Claude Fable 5.1（max，带 fallback）与 GPT-6 Astra 均为 53 分，Claude Opus 5 为 51 分，GPT-5.6 Sol 为 47 分。
agent 基准的成绩全部来自小米自己的评测表，两张模型卡的对比列还包括 Claude Fable 5。挑几行看：
| 基准 | MiMo-V2.6 Pro | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|
| AutomationBench v1.0.6 | 53.1 | 50.3 | 45.8 |
| Terminal Bench 2.1 | 89.9 | 89.1 | 88.8 |
| Agents' Last Exam | 31.6 | 31.6 | 30.8 |
| GDPval-AA 2.1（Elo） | 1,673 | 1,708 | 1,588 |
| Terminal Bench 4.0 | 34.9 | 49.0 | 39.9 |
| ProgramBench | 26.5 | 37.0 | 25.0 |
| ExploitBench | 47.9 | 70.0 | 78.5 |
| OSWorld-Verified | 82.0 | 83.4 | 83.0 |
Pro 在 AutomationBench、Terminal Bench 2.1、JobBench（62.0，对 Opus 5 的 65.7 和 GPT-5.6 Sol 的 45.4）等行领先或打平；在长时程终端任务 Terminal Bench 4.0、程序合成 ProgramBench 和漏洞利用 ExploitBench 上明显落后，SEC Bench Pro 的 66.3 对 GPT-5.6 Sol 的 79.1 也差出一截。官方博客注明 GDPval-AA 2.1 是 Artificial Analysis 报告的 Elo 分数。「大多数 agent 基准相当」成立与否，取决于把哪些行计入「大多数」。
效率档 Flash 的成绩普遍贴着 Pro，CyberGym 上 Flash 的 95.1 反而高于 Pro 的 94.0。对照前代，跃升幅度最大的是网络安全：MiMo-V2.5 Pro 在 MiMo Cyber Bench 上是 0.0，Flash 拿到 77.2。
定价沿用 V2.5，OpenRouter 已同步上架
称 MiMo-V2.6 系列沿用 V2.5 的 API 定价：
| 模型 | 输入（缓存命中） | 输入（缓存未命中） | 输出 |
|---|---|---|---|
| MiMo-V2.6-Flash | $0.0028 | $0.14 | $0.28 |
| MiMo-V2.6-Pro | $0.0036 | $0.435 | $0.87 |
| MiMo-V2.6-Pro-UltraSpeed | $0.036 | $4.35 | $8.7 |
单位为美元/百万 token，限时免写缓存费，另有 Token Plan 打包方案。UltraSpeed 是 Pro 的超快档：博客称输出速度最高 20 倍，OpenRouter 的模型描述则写「约 10 倍」，并注明它由同一个 1T 的 Pro 检查点构建、质量与原版一致。
分发已经落地：OpenRouter 的小米组织页列出 8 款模型，其中包括 MiMo-V2.6-Pro、MiMo-V2.6-Flash 与 MiMo-V2.6-Pro-UltraSpeed；官方渠道还有 AI Studio、MiMo Code 和 MiMo API 平台，MiMo Desktop 结束早期访问、发布首个正式版并内置这两款模型。模型卡给出 SGLang 与 vLLM 的部署配方。Artificial Analysis 基于小米 API 的实测数字是：输出速度 124.5 token/秒，首 token 延迟 2.34 秒。
一代之间的 26 分跳变，与仍待第三方的评测表
对照官方博客引用的同一张智能指数榜单，小米上一代旗舰 MiMo-V2.5-Pro 是 26 分，一代之隔涨到 46 分。Arena 在发布数小时内跟进，其发帖称 MiMo-V2.6-Pro 首次进入 WebDev 榜单即约列总榜第 10 位、开源模型第 3 位，AutoEval 得分 1,628，与 Claude Fable 5（High）持平。
其余 agent 基准数字目前只有小米自报这一个来源。复核的路径按官方说法已经铺开：技术报告、训练环境和 RL 代码全部开源，博客的原话是让研究者「可以复现并验证这些结果」。官方演示里已经有一个机器可核验的例子——Pro 在未接受 Lean 定向后训练的条件下，完成李-约克定理（Period Three Implies Chaos）主定理的 Lean 4 形式化，超过 6,000 行代码全部通过 Lean 内核验证、无未完成占位。下一个可核验的节点，是第三方用放出的权重、环境和代码，把这些成绩复现到什么程度。