MiMo V2.6 Pro 通过强化学习训练登顶开源模型排行榜

小米发布并开源了 MiMo-V2.6 Pro 和 Flash 模型,其中 Pro 版本在人工智能分析指数上获得 46 分,与 xAI Grok 4.7 并列成为最强的开源模型。该模型采用大规模强化学习训练(30 步、75 万条轨迹、成本 262 万美元),并使用了 MixRL 策略。API 定价方面,Pro 版本为每百万输入令牌 0.435 美元,Flash 版本为每百万输入令牌 0.14 美元。
Key insights
MiMo V2.6 Pro 在智能指数上与 Grok 4.7 持平
Pro 版本在人工智能分析综合智能指数上获得 46 分,与同日发布的 xAI Grok 4.7 持平。它超越了 Kimi K3 和 Qwen3.8 Max,成为当前最强的开源模型。不过,它仍落后于 Claude Fable 5.1 和 GPT-6 Astra 等顶级闭源模型。
开源模型最大规模的单次强化学习训练
MiMo 团队负责人罗福莉(曾参与 DeepSeek R1 项目)表示,V2.6 很可能是开源团队进行的最大规模单次强化学习训练。Pro 模型经历了 30 个主要步骤,覆盖约 75 万条训练轨迹,每条轨迹平均包含 11 万至 15 万个令牌,总训练成本约为 262 万美元。
MixRL 策略将多种任务整合到一次训练中
团队采用了 MixRL 策略,将编码、视觉和网络安全任务混合在同一个大规模强化学习训练中,而不是分别训练后再合并。对于验证困难或时间跨度较长的任务,则单独训练,之后通过 MOPD 方法进行组合。
激进定价:仅为海外模型的 1/20 至 1/60
Pro 版本的 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 版本更便宜,输入令牌每百万 0.14 美元,输出令牌每百万 0.28 美元。小米声称,在同等智能水平下,其价格仅为海外模型的 1/20 至 1/60。两个模型均支持 100 万令牌的上下文窗口和多模态输入(文本、图像、音频、视频)。
Flash 模型为智能体任务提供高性价比
Flash 模型虽然价格显著更低,但在许多智能体基准测试中仅比 Pro 版本低几分。对于需要运行大量 AI 智能体任务的团队——例如自动化代码审查、文档处理或内部研究助手——Flash 可能提供更好的实际价值。
开源发布包括强化学习框架和蒸馏模型
除了模型权重,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,以及基于 MiMo 强化学习轨迹蒸馏的 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,而无需从头训练一个万亿参数的基础模型。