结论先行：小米于 2026 年 9 月 21 日发布 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 两款全模态模型，权重以 MIT 协议开放、可直接从 Hugging Face 下载。Pro 以 1.02 万亿总参数 / 420 亿激活参数、1M 上下文，在第三方 Artificial Analysis 智能指数 v4.3 上拿到 46.32 分，与同日发布的 Grok 4.7 持平，而 API 输入价格只有后者的约五分之一。更值得注意的是：价格与上代 V2.5 完全持平——智能涨了，钱没涨。
一、这次到底发布了什么
两个原生全模态检查点，同时开源，外加一个托管专属的加速版本：
| 项目 | MiMo-V2.6-Pro | MiMo-V2.6-Flash |
|---|---|---|
| 总参数 / 激活参数 | 1.02T / 42B | 309B / 15B |
| 层数 | 70 层 | 48 层（39 滑动窗口 + 9 全注意力） |
| 路由专家 | 384 个，每 token 激活 8 个 | 256 个，每 token 激活 8 个，无共享专家 |
| 上下文 / 输出上限 | 1,048,576 token / 128,000 token | |
| 输入模态 | 文本、图像、视频、音频（输出为文本） | |
| 许可证 | MIT，权重无门槛（ungated） | |
| RL 训练成本 | 约 262 万美元 | 约 85 万美元 |
两个模型共享同一套多模态栈：6.81 亿参数视觉编码器、3.08 亿参数音频 tokenizer、1.27 亿参数音频 patch encoder，以及一个五层 MTP 投机解码器——按模型卡说法，单次前向可草案 7 个未来 token，这是万亿 MoE 还能跑出可用速度的关键。
第三个变体 MiMo-V2.6-Pro-UltraSpeed 是托管专属而非第三个开源检查点：输出速度最高约为 Pro 的 20 倍，代价是 10 倍价格（$4.35 / $8.70 每百万 token），走桌面客户端与 API。
二、价格：与 Grok 4.7 同日发布，差了一个数量级
| 模型 | 输入（美元/百万 token） | 输出（美元/百万 token） | 缓存命中输入 | AA 智能指数 |
|---|---|---|---|---|
| MiMo-V2.6-Pro | 0.435 | 0.87 | 约 0.0036 | 46.32 |
| MiMo-V2.6-Flash | 0.14 | 0.28 | 约 0.0028 | 未公布 |
| Grok 4.7 | 2.00 | 6.00 | — | 46 |
| Grok 4.6 | 2.00 | 6.00 | — | 44 |
| Gemini 3.8 Flash | — | — | — | 41 |
同一档智能，Pro 的输入价格是 Grok 4.7 的 21.8%、输出是 14.5%。Artificial Analysis 按任务口径测算，Pro 约 $0.13 每次指数任务、输出约 134 token/秒，落在智能—成本帕累托前沿上。此外 Batch API 为实时价格的半价。
对小团队最有感的一点：这套价格与 MiMo-V2.5 系列完全一致。已经在调用 V2.5 接口的开发者，等于免费拿到了一次智能升级。
三、跑分：第三方指数是可信的，Agent 分数请打折看
需要把两类数字分开对待。
第三方可复核的：Artificial Analysis Intelligence Index v4.3 上 Pro 得 46.32 分，上代 MiMo-V2.5-Pro 为 26 分，提升约 20 分，并登顶开放权重模型分类。同榜单 Grok 4.7 为 46、Grok 4.6 为 44、Gemini 3.8 Flash 为 41、DeepSeek V4.1 Flash 为 39。
厂商自测的：DeepSWE v1.1（Agent 修 bug）71.9，略高于 Grok 4.7 的 71.0；Terminal Bench 2.1 为 89.9；AutomationBench 为 53.1。这些数据来自小米自己的表格，且未公开评测所用的 harness，在第三方复现前建议按”厂商口径”看待。Code Arena 的 AutoEval 给出 Pro 1628 分（V2.5-Pro 为 1475），但那是奖励模型估算值，不是真人投票终值。
Pro 比 Flash 强多少？多数场景只差 1–4 分
小米自己的对比表一共 15 行，读下来最有价值的信息是：旗舰的领先幅度普遍很小。
| 评测项 | Pro | Flash |
|---|---|---|
| DeepSWE v1.1 | 71.9 | 67.9 |
| MiMo Code Bench | 63.2 | 61.2 |
| AutomationBench v1.0.6 | 53.1 | 52.3 |
| Toolathlon-Verified | 76.9 | 73.6 |
| Terminal Bench 2.1 | 89.9 | 87.6 |
| OSWorld-Verified | 82.0 | 80.8 |
| MiMo Visual Coding | 72.3 | 71.5 |
| CyberGym | 94.0 | 95.1 |
| MiMo Cyber Bench | 80.2 | 77.2 |
唯一一行 Flash 反超的是 CyberGym（95.1 对 94.0）。考虑到 Flash 价格只有 Pro 的三分之一，如果任务失败与成功之间的差距不在那一两个点上，Flash 是更划算的默认值。
四、真正的看点：260 万美元买来的 RL 方法论
小米这次不只放权重，还把训练过程与工具链一并公开了——这部分比参数更有长期价值。
规模与预算分配。两个模型各跑 30 个大 RL 步、约 75 万条轨迹，六天内完成。Pro 花约 262 万美元、Flash 约 85 万美元。有意思的是钱花在哪：只有 43.5% 用于训练本身，43.8% 用于生成 rollout，12.7% 用于打分。也就是说，超过一半的预算花在”制造经验”和”评判经验”上，而不是更新权重。单步规模为 1,568 个 prompt × 16 次采样，约 2.5 万条 rollout、27 亿–37 亿训练 token，单条序列平均 11 万–15 万 token——强化的是完整 Agent 工作流，不是短答案。
You Only RL Once。代码、视觉、计算机操作、网络安全不做分头训练，而是混进同一次 RL run，配合各领域的轻量 mini-harness，让模型接触不同的系统提示词、工具与上下文管理策略，避免与某一种生产脚手架过拟合。基础设施侧用全异步 GRPO：长任务结束时间不一致，未完成的轨迹会被中断、稍后续跑，GPU 靠部分 rollout 保持满载；样本混合机制防止”又快又简单”的任务家族霸占每个批次；RL 期间冻结 MoE 路由以抑制训练漂移。
教模型”干净地解题”。二元奖励只能判断测试过没过，分不清一个最小补丁和一份塞满兜底逻辑、多余 API 改动与脆弱 workaround 的补丁。小米的解法是 Groupwise Reward Synthesis（对同一问题多次尝试做横向比较，生成任务专属评分标准，把”实现质量”和”Agent 行为”分开打分）与 Groupwise Advantage Redistribution（在同一组内比较通过方案，把训练优势向更优者倾斜）。反证也很实在：Flash 在去掉在线分组打分的代码 RL 中，轮数与 token 长度一路攀升直到撞上长度上限。
开源清单
- 权重：MiMo-V2.6-Pro-RL、MiMo-V2.6-Flash-RL（MIT），以及用于社区 RL 实验的 MiMo-V2.6-Distill-Qwen-9B
- 7000+ 分类任务环境，覆盖软件开发、漏洞复现、知识劳动、网页设计
- 基于 verl 的端到端 RL 框架与可组合 mini-harness
- vLLM 首日支持：原生 FP8 权重、MiMo 推理与工具调用 parser、DFlash 投机解码
五、别被 MIT 三个字骗了
1.02 万亿参数模型的”自由使用”，实际门槛是硬件——需要多卡集群才能跑起来，而小米没有给出任何自部署的硬件指引。MIT 解决的是法律问题，不是工程问题。对绝大多数团队，这次开源的现实价值在于”可读、可研究、可蒸馏”（Distill-Qwen-9B 就是给这条路准备的），而不是”自己部署一份”。
另外，Flash 至今没有第三方指数分数，厂商表格中的 Agent 分数也未被外部复现。选型时请把”46.32″和”71.9″当作两类可信度不同的证据。
六、开发者怎么上手
托管入口包括小米 AI Studio、MiMo Code、MiMo Desktop、MiMo API 平台与 OpenRouter；API 地址为 platform.xiaomimimo.com，免费体验入口为 aistudio.xiaomimimo.com。自部署走 Hugging Face 权重 + vLLM（首日已支持）。
FAQ
Q1：Pro 和 Flash 应该怎么选？
看任务失败的代价。两者在小米自己的 15 行对比表中多数相差 1–4 分，Flash 价格约为 Pro 的三分之一。若工作流对”差两分”敏感（如自动化修 bug 是否通过测试），用 Pro；若只是要一个可接受的答案（路由、分类、抽取、批量 Agent 执行），Flash 的经济性明显更好。
Q2：MIT 协议意味着可以商用和自托管吗？
法律上可以，商用、修改、再分发都不受限，权重在 Hugging Face 上无门槛下载。但 Pro 是 1T 参数的 MoE，实际自托管需要可观的多卡资源，官方未提供硬件配置建议；中小团队更现实的路径是通过 API 或等待社区蒸馏版本。
Q3：和同日发布的 Grok 4.7 相比值不值得换？
第三方综合指数两者基本持平（46.32 对 46），但 Pro 输入价格约为 Grok 4.7 的五分之一、输出约为七分之一，且权重可下载。Grok 4.7 的优势在于托管服务的成熟度和生态接入。已在用 Grok 且对延迟与生态有依赖的，可先拿 Flash 跑对照；成本敏感的批量 Agent 场景，Pro/Flash 更划算。
小结
MiMo-V2.6 把三件事同时往一个方向推了：能力、推理经济性、面向 Agent 的后训练。更值得琢磨的是它的姿态——公开 RL 全流程、公开 7000+ 环境、公开 260 万美元的预算构成，等于把”怎么把基座模型训成能干活的 Agent”这道当前最贵的题，连同草稿纸一起发出来。开放权重在这个尺度上，与其说是在送模型，不如说是在送方法论。
相关阅读
- 小米 MiMo-V2.6 RL 训练全程公开：单步 20 亿 Token，双版本训练成本破 128 万美元
- 小米 MiMo-V2-Pro 发布：1T 总参数 42B 激活、1M 上下文，API 定价约为同级竞品 1/5
- Grok 4.7 正式发布解析：2.1 万亿参数涨 40% 不涨价
消息来源：小米官方模型卡与发布页、Hugging Face 模型仓库、Artificial Analysis Intelligence Index v4.3、DataNorth、i-SCOOP、OrcaRouter、AI IDE List、AI Primer。