6天耗資3.5億！小米MiMo-V2.6拿下開源第一，RL訓練里程碑
為何重要
MiMo-V2.6 不僅敲定了「高強度 RL Scaling」在工程上的可行性，更透過極致的成本效益打破了「智慧越強成本越高」的定律，直接衝擊現有閉源原廠的定價權與估值邏輯。它為產業提供了從硬體叢集配置到 RSI（自我改進）訓練流水線的具體實踐範本，迫使競爭者重新評估 RL 路徑的投入產出比。
小米透過史無前例的直播呈現了近億美元規模的 RL 訓練，MiMo-V2.6 系列在 Artificial Analysis 指數上獲得 46 分，登頂全球開源王座。
MiMo-V2.6-Pro 在 30 步訓練中處理約 81B-111B Tokens，完成一項 Index 任務成本僅 0.13 美元，僅為競品 Grok-4.7 的 1/29。
訓練過程首次實現生成、執行、評分與模型更新四步並行，評分系統耗費約 33 萬美元，並開源了 7000+ RL 環境及 Distill-Qwen-9B 模型。
除程式碼外，模型展現了在 MOF 材料科學及全模態（3D建模、音樂、機械臂遙控）的強大泛化能力。