北京
真正押注的是“自己把自己练强”不再只拼预训练，RL开始成为主战场开源模型，开始逼近闭源模型的核心能力区从“会聊天”到会做事小米把模型、工具和训练环境一起开源
9月22日，小米正式开源新一代 MiMo-V2.6 系列模型。
这次小米没有把重点只放在“模型有多大、跑分有多高”上。
MiMo-V2.6 Pro 和 Flash 两款原生全模态模型背后，更值得关注的是小米正在尝试的一条路线：让模型通过大规模强化学习，不断从任务和反馈中寻找更好的解法，再反过来提升自身能力。
小米把这条路线称为 RSI，即递归自我改进（Recursive Self-Improvement）。
从目前公布的数据来看，MiMo-V2.6已经不只是一次常规的模型升级，而是小米对“强化学习能把开源模型推到什么高度”的一次集中试验。
过去几年，大模型竞争很大程度上是一场“规模竞赛”：更多数据、更大的参数量、更长的训练时间，以及越来越庞大的算力集群。
但模型进入今天这个阶段后，单纯继续堆预训练规模的边际收益正在变化。
于是，强化学习的重要性开始明显上升。
MiMo-V2.6的一个突出特点，就是小米在RL训练上的投入相当激进。
官方披露，Pro和Flash两款模型的强化学习训练都在6天以内完成，分别投入约262万美元和85万美元，两个模型各进行了30步训练，累计产生约75万条训练轨迹。
训练采用1568个样本的大Batch，并支持100万Token上下文。单步训练的Token规模达到27亿至37亿。
这不是传统意义上给模型“补课”，而是在持续给模型布置任务，让它自己尝试、获得反馈，再不断调整。
结果也比较直观。
在软件工程长程任务评测DeepSWE v1.1中，Pro的成绩从58.4提升到72.57，Flash则从48.8提升到65.68。
小米披露，训练任务平均通过率分别提升25%和12%。
换句话说，这次模型能力增长的核心，并不只是换了一套更大的“底座”，而是让模型在强化学习过程中真正做了大量事情。
这也是MiMo-V2.6最值得观察的地方。
从公开评测来看，MiMo-V2.6-Pro已经进入了当前开源模型的第一梯队。
在Artificial Analysis综合智能指数中，Pro取得46分，超过Kimi K3和Qwen3.8 Max。
不过，它距离Claude Fable 5.1、GPT-6 Astra等闭源旗舰仍然存在差距。
这意味着一个变化正在发生：
开源模型和闭源模型之间的差距，已经不再只是“能不能用”的问题，而越来越变成“在高难度任务上能做到什么程度”。
尤其是在软件工程、复杂推理、设计和多模态任务上，模型竞争正在从聊天能力转向实际工作能力。
MiMo-V2.6就是沿着这个方向继续往前推。
小米还给出了一个颇有意思的成本数据：按照官方说法，在相同智能水平下，MiMo-V2.6的价格只有海外模型的约1/20至1/60。
如果这一成本优势能够在实际API使用中持续成立，那么开源模型真正改变的就不仅仅是开发者选择，还可能是整个AI应用的成本结构。
MiMo-V2.6另一项变化，是能力边界明显向真实世界任务延伸。
它加入了3D空间推理、多模态感知以及计算机操作能力。
例如，模型可以根据自然语言生成3D开放世界游戏，也可以在Blender中完成建模，还能够控制机械臂执行抓取任务。
这几个场景放在一起，其实能看出小米想做的事情：
让模型从屏幕里的语言系统，逐渐变成能够理解空间、操作软件乃至控制设备的通用智能系统。
科研任务同样如此。
在材料科学方向，MiMo-V2.6参与了MOF材料的设计和筛选；在形式化数学方面，它完成了Lean 4环境下Li-Yorke定理的完整形式化，最终形成6000多行源码。
设计领域的Design Arena评测中，MiMo-V2.6-Pro的表现则达到接近Claude Opus 5、GPT-5.6 Sol的水平。
这些任务共同指向一个趋势：模型的竞争重点正在从“回答一个问题”，转向“能不能把一个复杂任务真正做完”。
相比单独公布两个模型权重，这次小米的开源范围也更大。
MiMo-V2.6-Pro和Flash的模型权重、技术报告都会开放，同时提供MiMo-V2.6-Distill-Qwen-9B，以及7000多个高质量RL任务环境和端到端RL训练框架。
这其实比单纯开放一个模型更有意义。
因为如果AI模型未来越来越依赖强化学习，那么真正稀缺的资源就不只是模型本身，还包括：
什么任务拿来训练、如何设计反馈、怎样产生轨迹，以及怎样让模型持续迭代。
小米把这些东西一起放出来，相当于把自己探索RL的一部分“工具箱”也交给了开发者。
当然，开源并不意味着已经解决了RSI。
模型能否真正实现持续、稳定、可控的自我改进，目前依然是整个行业正在探索的问题。尤其是如何避免模型在强化学习过程中陷入局部最优，以及如何获得高质量、可验证的反馈，仍然是非常现实的挑战。
但至少从MiMo-V2.6这次的打法来看，小米已经把赌注从“再训练一个更大的模型”，进一步押到了**“让模型通过不断做任务，把自己练得更强”**上。
而这可能才是MiMo-V2.6这次发布最值得关注的信号。
模型参数越来越接近极限之后，下一场竞争，也许真的会变成一场“谁更会训练模型自己进步”的比赛。
与此同时，MiMo Desktop桌面客户端和会员订阅也同步上线。Pro版本提供UltraSpeed超高速模式，最高可实现20倍输出速度，API价格则维持不变。
从模型到客户端，再到训练框架和RL任务环境，小米正在试图把MiMo从一个模型项目，变成一套完整的AI基础设施。
32 PFLOPS、576GB HBM4：韩国FuriosaAI亮出第三代AI加速器
阿里发布 Qwen3.8-LiveTranslate：延迟降至2.3秒，重新定义实时同声传译体验
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
