MiMo V2.6 Pro 登顶开源排行榜

小米发布并开源了 MiMo-V2.6 Pro 和 Flash 多模态模型。Pro 在 Artificial Analysis 智能指数上得分为 46,与 xAI Grok 4.7 持平,超越 Kimi K3 和 Qwen3.8 Max,成为最强的开源模型。训练采用大规模强化学习,共 30 步,75 万条轨迹,耗资 262 万美元。Pro 的 API 定价为每百万输入 token 0.435 美元起。
Key insights
模型发布与基准测试表现
小米发布了 MiMo-V2.6 Pro 和 Flash,两者均为原生多模态模型。Pro 在 Artificial Analysis 智能指数上得分为 46,与 xAI Grok 4.7 持平,超越 Kimi K3 和 Qwen3.8 Max。它仍落后于 Claude Fable 5.1 和 GPT-6 Astra 等顶级闭源模型。两款模型均支持 100 万 token 的上下文窗口,以及文本、图像、音频和视频输入。
训练方法:MixRL 与大规模强化学习
Pro 模型经历了 30 次大规模强化学习步骤,涵盖约 75 万条训练轨迹,每条轨迹平均包含 11 万至 15 万个 token。总训练成本约为 262 万美元。团队采用了“MixRL”策略,在单次大规模强化学习运行中混合编程、视觉和网络安全任务,而非分开训练。困难或长周期任务则单独训练,并通过 MOPD 合并。
定价与成本优势
Pro 的 API 定价为每百万输入 token 0.435 美元,每百万输出 token 0.87 美元。Flash 更便宜,输入 0.14 美元,输出 0.28 美元。小米声称,其定价仅为同等智能水平海外模型的 1/20 至 1/60。在众多智能体基准测试中,Flash 的性能仅比 Pro 低几分,为高容量任务提供了更高的性价比。
超越模型权重的开源组件
小米还开源了完整的强化学习训练框架、超过 7000 个强化学习任务环境,以及一个由 MiMo 强化学习轨迹提炼的 Qwen-9B 模型。这些资源使其他团队能够在较小的模型上复现类似的强化学习训练,而无需训练万亿参数的基础模型。这些模型以 MIT 许可证发布,可免费下载、部署和商用。