小米发布MiMo‑V2.6系列，包括万亿参数的Pro和更强调成本效率的Flash。两款模型均可处理文本、图像、视频和音频，支持100万Token上下文，重点面向长时间编程、工具调用、电脑操作和多模态Agent。相比常规发布，这次更值得关注的是训练过程：小米为两款模型分别进行了约75万条轨迹的混合强化学习，将编程、通用Agent、视觉和网络安全任务放进同一次训练，并用模型比较多条成功路径，不再只靠“通过／失败”打分。训练不到六天，Flash与Pro的公开成本分别约为85万和262万美元。第三方Artificial Analysis将Pro评为当前得分最高的开放权重模型，但它并非全面超过闭源前沿模型，部分终端操作和网络攻防测试仍有明显差距。小米同时发布MIT许可权重、9B蒸馏模型、技术报告、7000多个RL环境及训练框架，为外界研究“扩大强化学习能否持续提升Agent”提供了少见的完整样本。
文章作者、来源：Xiaomi MiMo
两个模型，面向同一种长时间Agent工作
MiMo‑V2.6‑Pro采用稀疏混合专家架构，拥有1.02万亿总参数，每个Token激活约420亿参数；Flash为3090亿总参数、激活约150亿参数。两者均支持100万Token上下文，能够接收文本、图像、视频和音频，还配有五层多Token预测模块，用于加速生成。
这里的“原生全模态”主要描述输入理解能力。公开权重当前以文本生成为主要输出形式，并不意味着模型能够直接生成图像、视频或自然语音。官方展示的短片、演示文稿、音乐和3D场景，很多是模型通过写代码、操作软件及调用外部生成工具完成的。
Pro追求能力上限，Flash则试图以更低推理成本处理同类任务。API价格为每百万Token：Flash输入0.14美元、输出0.28美元；Pro输入0.435美元、输出0.87美元。官方还提供Pro UltraSpeed，宣称质量不变、输出速度最高提升20倍，但其输入和输出价格也相应提高到4.35美元和8.70美元。这项“同质量”说法尚缺少独立复测。
虽然权重采用MIT许可，两款主模型都远超普通消费级硬件能够轻松部署的规模。“开放权重”解决的是检查、修改和自行部署的许可问题，并不代表个人电脑可以低成本运行。
真正的新意是把四类任务放进同一次RL训练
以往团队经常分别训练编程模型、视觉Agent和网络安全模型，再尝试合并能力。小米将这种方法概括为“You Only RL Once”：编程、通用Agent、视觉操作和网络安全任务，以及多种Agent运行框架，被混合进同一个强化学习批次。
每个训练步骤包含1568个提示，每个提示生成16条运行轨迹，相当于约2.5万条轨迹；两款模型各完成30步，所以每个模型累计约75万条轨迹。单步处理约35亿至37亿Token，最长任务可以占满100万Token上下文。
整个过程不到六天。Flash的训练成本约85万美元，Pro约262万美元。训练任务平均通过率分别相对提高约25%和12%。在未用于训练的DeepSWE v1.1长时间软件工程测试上，Flash从约48.8分升至65.7分，Pro从58.4分升至72.6分。
模型不只判断“成功没有”，还比较哪条成功路径更好
长时间Agent训练面临一个问题：单纯的单元测试通常只能告诉模型任务是否完成，却无法区分两条都能通过测试的路线。一个Agent可能迅速定位错误并修复，另一个则可能进行上百次无关搜索，最后偶然得到相同结果。
MiMo‑V2.6加入了组内Agent评分。系统先比较同一任务生成的多条轨迹，构建针对该任务的评分规则；在线训练时，再对已经成功的轨迹排序，将更多学习信号分配给质量更高、路径更短、Token消耗更少的方案。
小米把这种由模型自身样本产生比较信号的机制称为“自我改进闭环”。但它并不是模型部署后脱离人类持续修改自身：训练环境、任务、验证器、奖励结构和算力仍由研究团队提供，权重也通过正式训练流程更新。
随着训练规模扩大，团队还冻结了混合专家路由器，降低不同训练与推理环境间的漂移，并通过对抗评测、异常检测、环境加固及多个验证器交叉检查，减少Agent钻评分漏洞的机会。训练完成后，MOPD²蒸馏方法还会复用教师轨迹和人工示范的历史前缀，集中训练关键决策点，而不必每次重新生成完整任务历史。
第三方综合榜领先，但单项能力并不全面占优
Artificial Analysis给予MiMo‑V2.6‑Pro约46分，使其成为当时该机构得分最高的开放权重模型。官方公开测试中，Pro在DeepSWE v1.1得到71.9分，接近DeepSeek V4.1 Flash和Claude Opus 5的74分，也高于Claude Fable 5的70分。
在AutomationBench中，Pro得到53.1分，略高于GPT‑6 Astra的52.0、Claude Opus 5的50.3和Claude Fable 5的46.2，但稍低于DeepSeek V4.1 Flash的54.8。GDPval‑AA职业任务评分为1673，接近Claude Opus 5的1708。
这些结果不能理解为Pro已经全面超越闭源前沿模型。Terminal Bench 4.0中，Pro只有34.9分，明显低于GPT‑6 Astra的59.6和Claude Fable 5.1的55.1。在ExploitBench网络攻防测试中，Pro为47.9分，而GPT‑6 Astra、GPT‑5.6 Sol及Claude Fable 5分别达到100、78.5和78.0。
部分视觉及网络安全结果还来自小米内部基准，外界无法完全复现；Artificial Analysis的综合指数主要评估英文文本任务，也不能证明模型的音频、视频和机器人能力同样领先。
“Vibe World”把编程扩展到3D世界和机器人仿真
小米把模型从软件生成向外扩展的方向称为“Vibe World”。Agent可以根据文本、图片或视频拆解需求，让多个子Agent共同搭建3D场景、编写交互逻辑、运行渲染，再依据画面检查结果继续修改，最后交付可运行的交互世界。
模型也可以操作Blender生成可用于动画、游戏或3D打印的资产。在机器人仿真中，它接收多个摄像头画面，通过视觉反馈持续控制Franka Panda机械臂，完成抓取、颜色匹配和精确放置。
这些是由官方挑选的演示案例，还不是大规模机器人成功率测试。尤其是仿真环境中的闭环控制，不能直接证明模型在真实机器人上面对摩擦、光照、遮挡和传感器误差时能够保持相同性能。
科研案例有价值，但距离实验确认仍有一步
在材料研究案例中，小米研究人员要求Pro寻找能够吸附PFAS“永久化学物”的新型金属有机框架材料。模型检索论文与专利、提出假设、检查新颖性，再调用开源计算工具搭建模拟环境，计算候选材料与PFAS之间的结合强度，最终筛选出三个值得进入湿实验阶段的结构。
这说明模型可以串联文献检索、环境安装、计算模拟和结果筛选，但候选物目前仍属于计算结果，并非已经在实验室中证实有效的新材料。
另一个案例是形式化数学。研究人员提供探索策略后，Pro通过多个子Agent协作，把Li和Yorke的经典结论“周期三蕴含混沌”写成超过6000行的Lean 4代码。最终证明通过Lean内核验证，不含未完成的占位符；不过官方也明确提到，研究人员随后进行了修订和整合，因此它是人机协作成果，而不是模型从零独立完成整项证明。
开放的不只是权重，也包括训练入口
本次同步发布的内容还包括9B参数的MiMo‑V2.6‑Distill‑Qwen‑9B。它是在Qwen3.5‑9B基础上，用MiMo生成的数据进行监督微调得到的Agent模型，面向编程、通用工具、视觉编程和网络安全，可作为规模较小的RL研究起点。
小米还宣布开放技术报告、7000多个强化学习任务环境、端到端RL框架及可组合的小型Agent运行工具。这比只上传最终权重更有研究价值，因为外界可以检查能力提升究竟来自模型、任务分布、验证器还是Agent框架。
不过，这批资源刚刚发布，尚未经过社区对训练数据完整性、环境可复现性和安全性的系统审计。官方所谓“完整开放”是否足以在其他算力平台重现相同结果，仍需实际运行验证。