XNews

MiMo V2.6 Pro 开源模型引入大规模强化学习

MiMo V2.6 Pro 开源模型引入大规模强化学习

小米发布了 MiMo-V2.6 Pro 和 Flash 开源多模态模型。Pro 在 Artificial Analysis 上获得 46 分,与 Grok 4.7 并列成为最强开源模型。该模型采用大规模强化学习(30步、7.5万条轨迹、成本262万美元)及 MixRL 策略。API 定价为每百万输入令牌0.435美元起。

Key insights

MiMo-V2.6 Pro 取得开源模型最高分

Pro 模型在 Artificial Analysis 综合智能指数上获得 46 分,与 xAI 的 Grok 4.7 并列,并超越 Kimi K3 和 Qwen3.8 Max。但仍落后于闭源领先模型 Claude Fable 5.1 和 GPT-6 Astra。该模型支持 100 万令牌上下文和多模态输入(文本、图像、音频、视频)。

训练采用开源模型中最大规模的单次强化学习运行

训练成本为 262 万美元,涵盖 30 步,约 75 万条轨迹,每条轨迹平均 11 万至 15 万令牌。团队负责人罗富利(此前参与 DeepSeek R1 项目)表示,工程挑战超过 R1。MixRL 策略将编程、视觉和网络安全任务整合到一次强化学习运行中,对于验证难度较高的任务则单独训练,后通过 MOPD 方法合并。

激进定价:为海外模型的 1/20 至 1/60

Pro API 定价为每百万输入令牌 0.435 美元,每百万输出令牌 0.87 美元;Flash 分别为 0.14 美元和 0.28 美元。小米声称该价格仅为海外同类智能模型定价的 1/20 至 1/60。Flash 在多项智能体基准测试中得分仅略低于 Pro,为批量智能体任务提供了高性价比。

不止模型权重:开源强化学习框架与 7000 项任务

小米发布了完整的强化学习训练框架、超过 7000 个强化学习任务环境,以及从 MiMo 强化学习轨迹中蒸馏出的 Qwen-9B 模型。这使得其他团队无需从头构建万亿参数基础模型,即可在较小模型上复现大规模强化学习训练。模型采用 MIT 许可证发布。

Source posts