关键模型发布2026-10-10 17:21:47

小米开源MiMo-V2.6系列：1.02T参数MoE，单次混合RL训练约262万美元

小米发布并开源MiMo-V2.6-Pro与Flash两款全模态MoE模型，Pro总参数1.02T、每token激活42B、上下文1M。采用单次混合RL（You Only RL Once）与groupwise agentic grading，Pro训练成本约262万美元、不到6天，权重、技术报告及7k+ RL任务环境同步开源。

编辑视角

这是国产开源首次把万亿参数MoE、单次混合RL与完整训练环境一起放出，262万美元成本与1/20至1/60定价为开源前沿模型的经济性提供了可核对的锚点，值得跟踪其复现与采用情况。

深度解读

主旨：小米LLM-Core以单次混合RL替代分域RL，把编码、通用智能体、视觉与网络安全任务混入同一批次，配合groupwise agentic grading（组内对比排序而非二值通过）与MOPD2蒸馏，试图让技能跨harness迁移。证据：MindStudio与东方财富、北京市科委转载均给出1.02T总参/42B激活、1M上下文、1568 prompts×16 rollouts、Pro约262万美元/Flash约85万美元、30步约75万条轨迹，DeepSWE v1.1从58.4升至72.57；Artificial Analysis综合智能46分，称暂列开源第一。反证与边界：这些跑分多来自小米自评表或自建基准（CyberGym、MiMo Cyber Bench），在外部偏攻击性的ExploitBench（47.9 vs Opus 5的70.0）与ExploitGym（17.8 vs 30.3）明显落后；Artificial Analysis排名为9月22日时点，且“最强开源”依赖同期竞品未更新。部署门槛高，SGLang示例需16路张量并行跨2节点。后续观察点：第三方独立复现、Exploit类基准是否改善、7k+ RL环境与训练框架的实际采用、以及API价格是否随算力成本调整。

核心要点

MiMo-V2.6-Pro为1.02T总参、42B激活的稀疏MoE，上下文1M，原生文本/图像/视频/音频。
采用单次混合RL（You Only RL Once）与groupwise agentic grading，Pro训练约262万美元、不到6天。
开源权重、技术报告、Distill-Qwen-9B及7k+ RL任务环境与端到端RL框架。
自评表在通用智能体任务接近Claude Opus 5与GPT-5.6，但攻击性安全基准明显落后。
定价沿用V2.5，官方称同智能水平下为海外模型的1/20至1/60。