小米 MiMo-V2.6-Pro 低价领跑开放模型
The Decoder··作者 Maximilian Schreiner
关键信息
这款拥有 1.02 万亿参数的混合专家模型每次请求约激活 420 亿个参数，价格为每百万输入令牌 0.435 美元、每百万输出令牌 0.87 美元。小米称 Pro 的强化学习训练耗时不到六天、成本约为 262 万美元，并通过冻结内部分配机制和防范“奖励破解”来维持训练稳定性。
资讯摘要
小米发布了 MiMo-V2.6 系列，并将 MiMo-V2.6-Pro 定位为性能领先且价格远低于同类系统的公开可用模型。根据小米和报道引用的 Artificial Analysis 数据，Pro 在 Intelligence Index 上获得 46 分，领先 Kimi K3 和 Qwen 等模型。其价格为每百万输入令牌 0.435 美元、每百万输出令牌 0.87 美元，Artificial Analysis 估算单个测试任务的成本约为 0.13 美元。Pro 是一款总参数量达 1.02 万亿的混合专家模型，但单次请求实际激活的参数约为 420 亿，同时发布的还有更小的 MiMo-V2.6-Flash。
小米称，性能提升来自强化学习规模的扩大，包括每个训练步骤使用更多数据、采用更多样的任务环境，以及投入更多计算资源对答案进行评分。在 DeepSWE 编程测试中，Pro 的成绩据称从 58.4 分升至 72.6 分，Flash 则从 48.8 分升至 65.7 分；整个训练过程耗时不到六天。小米还发布了 Pro-UltraSpeed 版本、强化学习工具包、约 7000 个带自动评分器的软件开发、网络安全、办公和网页设计任务，以及约 1000 个音乐创作任务。不过，Anthropic 指控小米与其他中国实验室一起提取 Claude 的交互数据用于模型训练，这一争议给此次发布增添了治理层面的疑问，而小米的发布内容并未解决该指控。
资讯正文
小米的平价旗舰 AI 领先开放模型，Anthropic 称 Claude 助其达到这一水平
要点
- 小米的新款 MiMo-V2.6-Pro 模型目前在开放 AI 模型排名中位居榜首，而成本远低于竞争对手。
- 小米通过扩大强化学习实现了性能跃升，并公开发布了相关工具和训练任务。
- 与此同时，Anthropic 指控小米通过 Claude 模型不当抽取数据，用于训练自家的模型产品线。
小米发布了 MiMo-V2.6 系列，其中的旗舰模型在开放获取的模型中排名最高，而每项任务的成本仅为竞争对手的一小部分。这些提升来自大幅扩展的强化学习训练，不过该公司也被指控借用了 Anthropic 的 Claude。
据小米介绍，两款新模型中规模较大的 MiMo-V2.6-Pro 在分析机构 Artificial Analysis 的 Intelligence Index 上获得了 46 分。这使其成为目前性能最强的开放获取 AI 模型，领先于 Kimi K3 和 Qwen 等竞争对手。真正引人注目的是它的价格：每百万输入 token 只需 0.435 美元，每百万输出 token 只需 0.87 美元。
按照 Artificial Analysis 的计算，完成一次测试任务的成本仅约为 0.13 美元，是能力相近模型收费的一小部分。这使该模型进入所谓的“智能与成本帕累托前沿”。
Pro 是一个混合专家模型，拥有 1.02 万亿个参数，但每次请求仅激活其中 420 亿个参数。与它一同发布的还有规模更小、效率更高的 MiMo-V2.6-Flash。
性能提升来自强化学习
小米将性能跃升归因于大幅扩展的强化学习（RL），也就是通过试错、反馈和奖励进行训练。该公司从三个方面扩大了这一阶段的规模：增加每个训练步骤使用的数据量、提供更多样化的任务环境，以及投入更多计算资源对解决方案进行评分。
小米表示，整个训练过程耗时不到六天，Pro 的成本约为 262 万美元，Flash 的成本约为 85 万美元。在 DeepSWE 编程测试中，Pro 的得分从 58.4 分升至 72.6 分，Flash 则从 48.8 分升至 65.7 分。
为确保在这一规模下训练过程保持稳定，小米冻结了模型的内部分布机制，并增加了多层防护，以抵御“奖励破解”（reward hacking）——也就是模型在没有真正解决任务的情况下，利用各种伎俩操纵奖励的行为。
约 7000 个带有自动评分器的任务
除这些模型外，小米还推出了一个名为 Pro-UltraSpeed 的特别高速版本，输出速度最高可提升至 20 倍。最突出的是，该公司开放了自己的强化学习工具包，其中包括技术报告、完整训练框架、用于进一步训练的较小模型，以及约 7000 个现成的训练任务。这些任务配有自动评分器，涵盖软件开发、网络安全、办公工作和网页设计，此外还有大约 1000 个音乐创作任务。
这些任务来自多种来源。有些代码来自员工在 GitHub 上提交的真实拉取请求以及用户查询，另一些任务描述则由语言模型生成。网络安全任务取材于 OSS-Fuzz——一个包含数万个真实软件漏洞的集合；办公环境则是通过合成方式重建的。
刻意开放，也成为 Anthropic 的靶心
这种开放姿态与 Anthropic 仅两周前提出的指控形成了鲜明对比。在其威胁情报报告中，Anthropic 调查了 2025 年 12 月至 2026 年 8 月期间发现的 Claude 滥用案例，并点名指出有七家中国实验室参与了针对该模型的行动：Alibaba、Moonshot AI、DeepSeek、Zhipu、Xiaomi、MiniMax 和 SenseTime。
据称，这些实验室总共生成了约 1.9 亿次交互，以窃取 Claude 的能力，用于训练自己的模型。Anthropic 将这种做法称为非法蒸馏。
Xiaomi 的名字也出现在其中。在一宗标记为 GTG-16008 的案件中，Anthropic 追踪到 2026 年 3 月和 4 月期间、持续 20 多天的超过 40 万次交互：Xiaomi 将其自有 MiMo 模型中的用户对话和编码会话通过 OpenClaw 和 OpenCode 传给 Claude，目的是丰富未来模型的训练数据。报告几乎没有说明，用于内部蒸馏教师模型的早期训练数据和教师数据究竟来自何处。
换句话说，报告称 Xiaomi 记录了用户与其 MiMo 模型之间的对话，然后将这些对话输入 Claude，以提取训练数据；而正是这些数据，如今推动 Xiaomi 登上了开放模型排名的榜首。
来源与参考
收录于 2026-09-23