2026 年 9 月 22 日，小米正式发布 MiMo-V2.6 系列大模型，包含 Pro 与 Flash 两个原生全模态模型，核心路径是以可验证复杂任务为基础规模化扩展强化学习（RL）。本文从 AI 模型与算法视角，梳理这一轮模型训练方法与评测结果。
智能指数定位
据官方发布页，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index（AA 综合智能指数）取得 46 分，官方称超过 Kimi K3 与 Qwen3.8 Max，成为当前得分最高的开源模型；同时官方也明确表示，与最强闭源模型 Claude Fable 5.1、GPT-6 Astra 相比仍有差距。把开源与闭源的差距明确写进发布说明，比单纯罗列跑分更有助于判断模型的真实位置。
6 天 Live RL 训练
官方披露，本轮 Live RL 训练历时不到 6 天，MiMo-V2.6-Flash 与 Pro 各完成 30 步、累计约 75 万条轨迹，训练成本分别约 85 万与 262 万美元；训练任务平均通过率分别相对提升 25% 和 12%。样本外长程软件工程评测 DeepSWE v1.1 上，Flash 从 48.8 提升到 65.7、Pro 从 58.4 提升到 72.6，体现出 RL 训练的样本效率与跨任务泛化能力。
RL 算力扩展的三个维度
据技术报告，本轮训练从三个维度扩展算力：更大 Batch 与全异步架构，单次更新使用 1,568 个样本，支持 100 万词元上下文长度训练，单步训练词元达 35 亿至 37 亿；更多任务与复杂环境，覆盖 Code、General、Visual、Cyber 方向并混合多个 Harness；更大 Grader 算力，通过组内相对比较为长程任务提供多样奖励信号。训练中团队冻结 MoE Router 以抑制专家负载漂移，并建立覆盖奖励设计、对抗性评测与验证器交叉校验的 Reward Hacking 防线。
全面开源内容
本次全面开源 MiMo-V2.6-Pro、Flash 模型权重与完整技术报告，同步开放 MiMo-V2.6-Distill-Qwen-9B 及配套 RL 研究资源：包括覆盖软件工程、漏洞复现、知识型工作、网页设计开发四类智能体任务的 7,000 多个高质量 RL 任务环境，以及基于 verl、uni-agent 和 mini-swe-agent 的端到端 RL 训练框架与轻量可组合 Harness，权重已在 Hugging Face 的 XiaomiMiMo 组织下发布。API 调用需使用全小写模型名 mimo-v2.6-pro、mimo-v2.6-flash，定价沿用 V2.5 系列不变，Pro 另提供最高 20 倍速度的 UltraSpeed 模式。
小结
小米于 2026 年 9 月 22 日发布并全面开源 MiMo-V2.6，以 6 天规模化强化学习训练、AA 综合智能指数 46 分与训练框架全开放为看点，是 AI 模型与算法领域一次值得记录的开源前沿模型迭代。