刚刚，小米发布了新款MiMo-V2.6系列模型，并进行了开源。此次发布包括两款全新的全模态模型，分别是MiMo-V2.6-Pro，针对复杂编程和专业任务，及更侧重性能与成本平衡的MiMo-V2.6-Flash。此外，小米还推出了MiMo-V2.6-Pro-UltraSpeed，官方宣称在保持模型质量的同时，其输出速度可最高达到Pro版本的20倍。除了新版本，小米还公开了为期近六天，总花费约347万美元的强化学习训练，外界可以实时观察两款模型在30个强化学习步骤中的能力提升过程。这一尝试被小米视为探索递归自我改进路线的重要实验。

根据官方数据，MiMo-V2.6-Pro在人工智能分析指数中得分46.32，超过了其他多款模型，成为当前得分最高的开源模型。它的API定价与V2.5保持一致，希望在相同成本基础上实现更高的智能水平。在各项基准测试中，Pro在DeepSWE v1.1中获得71.9分，接近其他领先模型的水平；在Toolathlon-verified中得分76.9，超过了某些竞争对手；而在真实职业任务的JobBench中得分62.0，仅次于一款闭源模型。

此次更新还着重提升了网页与可视化界面的生成能力。在小米自建的MiMo视觉编码评测中，Pro和Flash分别得分72.3和71.5，尽管在表现上仍未完全追平闭源模型，但对开源模型而言，这一定程序的得分及优惠的API价格可能更加务实。 球友会

在MiMo-V2.6的训练过程中，小米生成了约75万条训练轨迹，花费分别为85万和262万美元，两个模型的任务通过率也显著提升，Flash的得分从48.8提升到65.68，Pro则从58.4升至72.57。小米判断，大规模强化学习具有较高的样本效率，且能够扩展到训练分布之外，模型已获得一定的通用执行能力。

训练规模前所未有，每个步骤处理1568个prompt，相当于约2.5万条长序列及27亿至37亿训练token，任务范围涵盖编程、通用Agent、视觉和网络安全。在任务评价方面，为提高稳定性，小米采取了多种措施，确保模型输出的轨迹能够满足各类任务的要求。罗福莉对MiMo-V2.6的训练规模评价很高，称其为开源模型团队规模最大的一次强化学习训练。