MiMo-V2.6:把 Live RL 做成 30 步、75 万轨迹与美元的公开账本
xiaomi-mimo-v2-6
小米开源 MiMo-V2.6 Pro/Flash:30 步 Live RL、约 75 万条轨迹、成本公开 850k/2.62M 美元,7k+ RL 环境同批开源;AA 智能指数 46 登顶开源阵营,DeepSWE v1.1 样本外 +17/+14 分;Vibe World、CUA、科研与内容创作四条演示线全开。自我改进从口号变成可核对账本:步数、轨迹数、美元都摊在桌面上,第三方可按同一口径复算性价比。
- 置信度
- 已确认
- ≥2 个独立来源,或本站 harness 复现通过
- 关键指标
- AA 智能指数(开源榜首)
- 已确认 · 2026-09
- 成熟度
- 产品
- 研究 → 演示 → 产品 → 生产
我们的判断水位判断：开源阵营里把 Live RL 的成本与轨迹账本公开到这一步的目前只有小米；AA 指数 46 与 DeepSWE 样本外增益分别来自独立榜与样本外切分，是两侧都能对的证据，故置信度标 A。水位差距也明确：双档与闭源梯顶仍差一档，30 步窗口外的 RL 稳定性没有公开曲线。选型上 Flash 是本地 agentic 编码的高性价比档，Pro 用来追闭源主力档的下沿。
MiMo-V2.6 是小米开源的 Pro / Flash 双档模型，发布账本公开到少见粒度：30 步 Live RL、约 75 万条轨迹、训练成本 850k / 2.62M 美元（Pro / Flash），7k+ RL 环境一并开源。Artificial Analysis 智能指数 46 登顶开源阵营；DeepSWE v1.1 样本外 +17 / +14 分；Vibe World、CUA、科研与内容创作四条演示线全开。
路线意义在「自我改进」从口号变成可核对账本：步数、轨迹数、美元三项都摊在桌面上，第三方可以按同一口径复算性价比；Live RL 的 30 步迭代说明奖励信号来自服役期真实交互而非离线偏好集，这是 RLHF 之后_scaling 路线少见的公开证据。
开源形态完整：权重、环境、评测脚本同批 release，Flash 档面向本地与边缘部署，Pro 档对标闭源主力档的 agentic 编码与工具调用负载。
边界：Pro / Flash 双档与闭源梯顶之间仍有一档差距；Live RL 的长期稳定性（奖励黑客、分布漂移）官方只给了 30 步窗口内的曲线，窗口外行为需自行监测。