MiMo-V2.6 是什么：小米靠强化学习自我提升的模型组

它是什么

MiMo-V2.6 是小米 MiMo 团队在 2026 年 9 月发布的新一代模型组，官方称它为原生全模态的智能体模型。这一代包括 MiMo-V2.6-Pro、MiMo-V2.6-Flash，以及 Pro 的高速模式 MiMo-V2.6-Pro-UltraSpeed，API 型号分别是 mimo-v2.6-pro、mimo-v2.6-flash 和 mimo-v2.6-pro-ultraspeed。官方说 UltraSpeed 的推理速度最高可快 20 倍。上一代 MiMo-V2.5-Pro 和 V2.5 已在 2026 年 10 月 21 日下线，旧的型号 ID 不能再用。

这一代的主线：大规模强化学习

官方公告的标题就是“用规模化强化学习实现自我提升”。披露的细节相当具体：强化学习在线跑了大约六天，每个模型 30 步，总共约 75 万条轨迹；每次更新用 1568 个样本、每步 35 到 37 亿 token；估算成本 Flash 约 85 万美元、Pro 约 262 万美元。训练覆盖多个任务领域和多种智能体框架，用组内相对奖励比较；为了控制专家负载漂移，冻结了 MoE 路由，并加了防奖励作弊的措施。官方说任务通过率 Flash 提升约 25%、Pro 提升约 12%。训练使用了 1M 上下文长度。

还有一个思路是反馈循环：模型根据反馈修正输出，比如做游戏时看渲染结果、做电脑操作时做视觉检查；公告里的一个形式化证明案例由 Lean 内核校验。

成绩怎么样

官方公布的几组数字：在 DeepSWE v1.1 上，强化学习后 Flash 从 48.8 提升到 65.7，Pro 从 58.4 提升到 72.6。在 Artificial Analysis 智能指数上，Pro 得 46 分，官方称这是开源模型的最好成绩，同时也承认低于 Claude Fable 5.1 和 GPT-6 Astra。一同放出的蒸馏小模型 MiMo-V2.6-Distill-Qwen-9B，强化学习后 SWE-bench Verified 从 61.1 提升到 66.2，Terminal Bench 2.1 从 37.1 提升到 52.8。

价格和开放

API 价格与 V2.5 相同，官方说在同等智能水平下，Pro 的价格是海外模型的 1/20 到 1/60。Pro 和 Flash 的权重、技术报告、9B 蒸馏模型以及强化学习相关资源都已公开，公告里没有写明许可证类型，商用前要去模型仓库确认。

适合谁

已经在用 V2.5 的必须迁移到 V2.6；做编程智能体、电脑操作类产品的团队，可以重点测 Pro 和 UltraSpeed 的组合。研究强化学习的人，这份公开了成本和规模细节的公告本身就很有参考价值。AI 主线的看法是：把强化学习的花费和步数摊开讲，在行业里不多见，这比单纯报跑分更能说明一个团队的真实投入。