小米MiMo-V*V2.6开源夺冠，单任务成本仅头部闭源1/29
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载直播公开训练全程
小米通过直播形式把MiMo-V2.6的强化学习训练过程完整呈现出来，两个版本Pro与Flash各自跑完30个训练Step。每个Step投入1568个Prompt，每条Prompt尝试16条路线，单步因此产生超过2.5万条Rollout。Pro在30步中累计消耗约81B至111B Tokens。这种把训练过程放到镜头前的做法，让外界能直接看到强化学习从数据组织到迭代推进的节奏，而不只是看到一个发布后的成品模型。
两个版本的时间与花费
Pro完成30个Step用了5天3小时，花费约260万美元；Flash节奏更快，3天10小时跑完同样步数，花费约90万美元。两者合计350万美元。训练时长与成本的差异，对应的是两个版本在规模与定位上的不同取舍：Pro投入更多算力与时间，Flash则以更短周期和更低开销完成同样的迭代轮次。这组数字也构成了后续效果对比的成本前提。
通过率与基准分数变化
30步训练之后，Flash的平均通过率相对提升25%，Pro提升12%。在DeepSWE v1.1上，Pro从58.4分升至72.57分，Flash从48.7分升至65.68分。Pro在Artificial Analysis指数上拿到46分，位列开源第一；在AutomationBench上得53.1分，高于Claude Opus 5和GPT-5.6 Sol。分数变化说明强化学习阶段带来的增益在具体评测任务上可以量化，两个版本的起点不同，提升幅度也呈现不同形态。
定价、成本与开源内容
API沿用V2.5的定价体系，Pro每百万Token输入3元、输出6元，Flash为输入1元、输出2元。按单任务计算，Pro平均成本0.13美元，约为Grok 4.7的1/29，这一比值把模型能力与调用开销放在同一标尺上。开源部分包含模型权重、技术报告以及7000多个RL任务环境，此外还有MiMo-V2.6-Distill-Qwen-9B，它以Qwen3.5-9B为底座，用77.4B Token微调而成。对使用者而言，可获取的不只是推理接口，还包括复现训练所需的任务环境与蒸馏版本，选择空间从直接调用延伸到自行部署与二次开发。
为什么值得看
开源模型在Agent能力与性价比上实质性逼近闭源前沿，且完整开放RL训练链路，为社区提供极高复用价值。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。