TWITTER · 人工智能
小米开源 MiMo-V2.6：大规模强化学习驱动的顶级多模态模型
一语总结小米发布并开源 MiMo-V2.6 系列多模态模型，通过极大规模的强化学习（RL）训练，在智能体工作流能力上取得突破，并同步开源 RL 训练框架与任务环境。
小米正式开源 MiMo-V2.6 Pro 和 Flash 两个原生多模态模型。Pro 版在综合智能指数上与 Grok 4.7 并列开源最强。该模型的核心突破在于采用了单次规模极大的强化学习训练，重点训练 AI 智能体的完整工作流程而非简单问答，并引入 MixRL 策略将多领域任务混合训练。此外，小米提供了极具竞争力的 API 定价，并开源了完整的 RL 训练框架、7000 多个任务环境及蒸馏后的 Qwen-9B 小模型，旨在降低社区复现 Agent RL 的门槛。
- 突破性的 RL 训练规模与方法
采用 MixRL 策略将编程、视觉、网络安全等领域混合训练，覆盖约 75 万条长轨迹，训练模型处理复杂的智能体工作流（写代码、调工具、纠偏），而非单纯的对话。
- 极高的性价比与开放程度
API 定价远低于海外模型（1/20 至 1/60），且采用 MIT 许可证允许商用，支持 100 万 token 上下文和全模态输入。
- 开源生态贡献超过模型本身
同步开源 RL 训练框架和 7000 个任务环境，允许其他团队在小模型上复现类似的强化学习流程，具有极强的工程参考价值。
小米开源 MiMo-V2.6：大规模强化学习驱动的顶级多模态模型
小米正式开源 MiMo-V2.6 Pro 和 Flash 两个原生多模态模型。Pro 版在综合智能指数上与 Grok 4.7 并列开源最强。该模型的核心突破在于采用了单次规模极大的强化学习训练，重点训练 AI 智能体的完整工作流程而非简单问答，并引入 MixRL 策略将多领域任务混合训练。此外，小米提供了极具竞争力的 API 定价，并开源了完整的 RL 训练框架、7000 多个任务环境及蒸馏后的 Qwen-9B 小模型，旨在降低社区复现 Agent RL 的门槛。
文章金句
"模型练的不是简单的一问一答，而是完整的、动辄几万步的 AI 智能体工作流程
"这套东西的价值可能比模型本身更大