小米开源 MiMo-V2.6 双模型 6 天 RL 训出 DeepSWE 72.57 与 65.68

小米 9 月 23 日把 MiMo-V2.6 系列的两个原生全模态模型同时开源，Pro 与 Flash 两条线一起放出。整套方案走的是 RSI 路径，也就是递归自我改进。具体训练周期上，官方公开的说法是约 6 天 Live RL 训练，其中 Flash 的训练成本约 85 万美元，Pro 的训练成本约 262 万美元，两条线各完成 30 步训练，累计产出 75 万条轨迹。

从外部可观察的指标看，最直接的变化是 DeepSWE v1.1 长程软件工程基准。Flash 由 48.8 提升至 65.68，Pro 由 58.4 提升至 72.57。Artificial Analysis Intelligence Index 上 Pro 拿到 46 分。AAII 这种第三方榜单一向偏综合分，单看绝对值意义有限，但同代际内部升级幅度 17 分以上属于显著提升。

训练规模与算力配置

6 天 Live RL 训练的关键参数来自小米官方披露。单次更新使用 1568 个样本，单步训练 Token 量介于 27 亿到 37 亿之间，上下文长度训练支持到最高 1M Token。任务覆盖代码、通用任务、视觉理解与网络安全四个方向，并混合多种 Agent Harness，让模型在不同智能体框架之间具备切换能力。

参数	MiMo-V2.6-Pro	MiMo-V2.6-Flash
训练时长	约 6 天 Live RL
训练步数	30 步	30 步
累计轨迹	约 75 万条（双模型合计）
训练成本	约 262 万美元	约 85 万美元
单次更新样本量	1568
单步训练 Token 量	27 亿至 37 亿
上下文训练上限	1M Token

基准与能力变化

DeepSWE v1.1 是这次对外最重要的数字。Pro 由 58.4 跳到 72.57，Flash 由 48.8 跳到 65.68，两个版本都跑出了 17 分左右的提升。这一基准衡量的是长程软件工程任务，对应的是 Agent 在真实仓库里跑多轮修改、测试、提交的综合表现。AAII 上 Pro 拿到 46 分，这个分数需要结合具体测试设置看，模型在真实业务中的效果仍需结合任务验证。

从代码到 3D 与具身

MiMo-V2.6 不止覆盖代码。多模态感知、3D 空间推理、Computer Use 是这次明确放出的能力。模型可以从文字、图片、视频构建 3D 开放世界，在 Blender 里辅助完成三维建模；可以通过视觉反馈操作办公软件、处理数据、检查任务结果。在具身仿真环境里，模型展示了控制机械臂完成物体抓取、颜色匹配、精准放置的能力。

科研与创作

科研场景下，MiMo-V2.6-Pro 被用于材料设计、文献与专利检索、计算实验以及 Lean 4 形式化证明。创作场景下，模型可以生成前端网页、PPT、SVG、视频与音乐，并且能协调代码、设计、多媒体工具完成较完整的创作流程。这些能力在文本里只是描述，真正能不能在生产环境跑通还要看实际接入后的稳定性。

开源与可用性

本次同步开放 MiMo-V2.6-Pro、MiMo-V2.6-Flash、MiMo-V2.6-Distill-Qwen-9B 三个版本，配套提供 7000 余个高质量 RL 任务环境、端到端训练框架与轻量级 mini-harnesses。所有资源已上线 Hugging Face。普通用户可以通过 MiMo Desktop 桌面端使用，开发者则通过开放平台 API 接入。Pro 版本额外提供 UltraSpeed 高速模式，官方称最高可获得普通模式约 20 倍的输出速度。

常见问题

MiMo-V2.6 是开源的吗

是。Pro、Flash、Distill-Qwen-9B 三个版本同步开源，配套训练框架与 7000+ RL 任务环境也一并放出。资源集中在 Hugging Face。

Pro 与 Flash 该怎么选

长程软件工程任务优先 Pro，DeepSWE 72.57 比 Flash 高出 7 分左右。预算紧、追求吞吐则选 Flash，训练成本只有 Pro 的约三分之一。需要高速输出时，Pro 的 UltraSpeed 模式能拉到 20 倍速，是性价比更高的路径。

UltraSpeed 要额外付费吗

从目前的 API 计费文档看，UltraSpeed 与普通模式沿用同一套定价，具体以开放平台计费规则为准。训练成本不应该直接换算成 API 价格，但官方放出 20 倍速这个数字说明推理优化做得比较深。

小结

小米这次同时扔出三组信号：训练成本、benchmark 升级幅度、可商用 API。RSI 路径继续，6 天 Live RL 训出 75 万条轨迹的能力是底层基础，DeepSWE 72.57 与 AAII 46 分是上层表现，开源三个版本加上 7000+ 任务环境是把研究资产开放给社区。对想拿国产原生全模态模型做长程 Agent 任务的团队来说，MiMo-V2.6 这次是值得认真测一轮的对象。

消息来源：小米开源 MiMo-V2.6 全模态双模型，DeepSWE 跑出 65 与 72 分（aihub.cn）

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。