烧掉 262 万美元的训练，小米把账本和秘方一起开源了
AI 圈的开源发布看多了，套路基本固定：放权重、贴跑分、附一张和 Claude 的对比表，完事。
9 月 22 日小米发布 MiMo-V2.6 系列的时候，多做了三件事：把 6 天强化学习训练的完整过程做成 Live 公开，把训练烧掉的钱摆上台面（Flash 约 85 万美元、Pro 约 262 万美元），再把 7000 多个 RL 训练任务环境和整套训练框架一起开源。
权重开源是给你鱼，这套操作是把渔场的布置图也交了出来。
46 分是个什么概念
先说结果。MiMo-V2.6-Pro 在 Artificial Analysis 智能指数（AA Intelligence Index）拿到 46 分，超过 Qwen3.8 Max 和 GLM-5.3（均为 45 分），成为当前最强的开源模型。
有三点值得单独说：
第一，这个分数是 Artificial Analysis 自己跑的，不是小米自测。AA 用自己的评测框架跑了十项测试——推理、知识、数学、代码，包括 Terminal-Bench 4.0、Humanity's Last Exam 这些硬茬。第三方独立评测给出的 46 分，比厂商自报的分数可信得多。
第二，和闭源的差距官方自己承认了。官方公告原话：与最强的闭源模型 Claude Fable 5.1 和 GPT-6 Astra 相比，仍有差距。榜单上 Fable 5.1（max）在 53 分以上，差着七八分。开源追闭源还剩最后一小段，但“最强开源”这个位置，暂时姓米。
第三，性价比这一侧更夸张。AA 实测 MiMo-V2.6-Pro 每个评测任务成本 0.13 美元，正好落在“智能-成本”帕累托前沿上。对照榜单：Kimi K3（max）每任务约 1.8 美元，GLM-5.3（max）约 2 美元，Claude Opus 5（max）约 4.5 美元——同样跑一遍评测，成本差着 14 到 35 倍。
官方口径是“同等智能水平下，价格仅为海外模型的 1/20 至 1/60”——比的是达到同样智能所需的花费，与榜单直接对比口径不同，但结论一致：这是目前性价比最狠的一档模型。
顺手说下价格：V2.6 沿用 V2.5 定价，Pro 在 256K 上下文内输入 1 美元、输出 3 美元每百万 token（1M 上下文 2/6 美元），MIT 协议。权重、技术报告、训练资源全部放开。
| 模型 | AA 智能指数 | 每任务成本（AA 实测） | 权重 |
|---|---|---|---|
| Claude Fable 5.1（max） | 53+ | 约 4.0 美元 | 闭源 |
| Claude Opus 5（max） | 53 | 约 4.5 美元 | 闭源 |
| GPT-5.6 Sol（max） | 约 47 | 约 1.0 美元 | 闭源 |
| MiMo-V2.6-Pro | 46 | 0.13 美元 | MIT 开源 |
| Qwen3.8 Max | 45 | 约 2.0 美元 | 闭源 |
| GLM-5.3（max） | 45 | 约 2.0 美元 | 开源 |
| Kimi K3（max） | 42 | 约 1.8 美元 | 开源 |
6 天 30 步，烧钱账本长什么样
这次发布真正的干货，是把 RL 训练这件事的“黑箱”拆开了。
6 天 Live RL，Flash 和 Pro 各跑了 30 步，累计约 75 万条轨迹，成本分别约 85 万和 262 万美元。训练任务的通过率 Flash 提升 25%、Pro 提升 12%。
但真正值钱的是样本外数据：长程软件工程基准 DeepSWE v1.1 上，Flash 从 48.8 涨到 65.7（+17 分），Pro 从 58.4 涨到 72.6（+14 分）。训练集里没见过的任务还能涨这么多，说明 RL 学到的是能力，不是背题。
算力从三个维度往上堆：单次更新 1568 个样本、支持 1M 上下文训练、单步 3.5-3.7B token；任务覆盖 Code、General、Visual、Cyber 四个方向；Grader（评分器）算力同步加大，引导模型用更短路径、更少 token 完成任务。工程上，冻结 MoE Router 抑制专家负载漂移，再建一道覆盖奖励设计、对抗评测、异常检测的 Reward Hacking 防线——防的就是模型“学会骗奖励”。
从写代码到造世界
能力侧的变化用一个词概括：编程的边界从代码延伸到了世界。
- 3D 开放世界游戏：输入图片、视频或文字，多智能体协作完成场景搭建、交互逻辑编写和视觉验证，产出可运行的交互世界
- Blender 建模：文字或图片直接生成可用于动画、3D 打印的资产
- 具身智能：多视角相机画面输入，视觉反馈闭环控制 Franka Panda 机械臂，完成抓取、颜色匹配与精准放置
- Computer Use：理解复杂图形界面，操作办公工具，根据视觉反馈排查问题、调整行动
科研侧也有两个硬案例：没做过专项训练，Pro 在 Lean 4 里完成了 Li–Yorke《周期三蕴含混沌》主定理的完整形式化，6000 余行源码通过 Lean 内核核验；材料方向协助设计吸附 PFAS 的 MOF 材料，自动搭模拟环境计算结合强度。设计榜单 Design Arena 上与 Claude Opus 5、GPT-5.6 Sol 相当。
冷静一点说
跑分归跑分，有三件事得掰开看。
训练门槛没有因为开源而消失。85 万和 262 万美元只是 6 天 RL 的成本，前置的预训练和半年的基础研究还没算。开源的 7000 个任务环境和 verl、uni-agent、mini-swe-agent 框架是真能用的，但“秘方给了”不等于“你家灶台烧得起”——完整复现这套训练，预算门槛在百万美元级。9B 的 Distill 模型倒是给个人开发者留了一条缝：从 SFT 基线做 RL，SWE-bench Verified 从 61.1 提到 66.2，11 项评测全部提升。
跨版本比分要小心口径。有解读把上一代 MiMo-V2.5-Pro 的 26 分和这次的 46 分相减，得出“暴涨 20 分”。但 26 分是旧版指数记的，46 分出自 v4.3.2 新口径——版本换了，分母变了，直接相减没有意义。真实情况是这代确实大幅提升，幅度要等同口径数据出来再下结论。
榜单分数不等于你的体验。46 分是十项评测的复合值，具体到你的场景——长文本、代码、视觉、中文创作——表现分布并不均匀。官方说 Flash 这代“全面超越 V2.5-Pro”，但 Flash 的详细规格还没铺开，跑批任务建议先小流量试。
开源清单与使用路径
这次放出的东西：Pro 与 Flash 权重加技术报告、Distill-Qwen-9B、7000 多个 RL 任务环境（覆盖软件工程、漏洞复现、知识工作、网页设计四类）、端到端 RL 训练框架、可组合的 mini-harness。
三条使用路径：
- 普通用户：MiMo Desktop 桌面客户端，订阅即用，Pro 支持 20 倍速 UltraSpeed 模式
- 开发者：API 开放平台，模型名 mimo-v2.6-pro、mimo-v2.6-flash、mimo-v2.6-pro-ultraspeed
- 研究者：HuggingFace 拉权重，任务环境和训练框架都在，可直接复现 RL 训练
最后说两句
小米在公告里引了句古文：“夫夷以近，则游者众；险以远，则至者少。”平路好走所以人多，险路难走所以人少——他们选择把算力投进真实环境的试错里。
这轮开源之后，开源竞争的题目变了：上半场比谁开源权重，下半场比谁开源配方。王座会换人，但“把训练过程晒在阳光下”这件事一旦开始，就回不去了。
相关链接：
- 官方公告：https://mimo.mi.com/docs/zh-CN/news/latest/v2-6
- HuggingFace 开源集合：https://huggingface.co/collections/XiaomiMiMo/mimo-v26
- MiMo Desktop：https://mimo.xiaomimimo.com/desktop/
- Artificial Analysis 模型页：https://artificialanalysis.ai/models/mimo-v2-6-pro
暂无评论。