小米发布并开源MiMo-V2.6系列：超越Kimi K3、GLM-5.3，成为AA指数排名最高的开源模型

9月22日，小米正式发布并开源全新的Xiaomi MiMo-V2.6系列，包含Pro与Flash两个原生全模态模型。小米称这是其探索RSI（递归自我改进）路径的关键一步，通过规模化扩展强化学习算力，让模型在持续的探索与反馈中拓展智能边界。

得益于RL算力的扩展，MiMo-V2.6-Pro在Artificial Analysis Intelligence Index（AA综合智能指数）v4.3.2中取得46分，超过Kimi K3（44分）和GLM-5.3（45分），成为当前AA指数上排名最高的开源权重模型，较其前代MiMo-V2.5-Pro的26分高出20分。小米官方同时说明，该模型与Claude Fable 5.1和GPT-6 Astra（均为53分）等顶级闭源模型相比仍有差距。

在RL训练阶段，MiMo-V2.6可能是目前国产开源模型中投入RL算力最多的模型之一。Pro与Flash训练历时不到6天，成本分别约262万美元与85万美元，各完成30步，累计约75万条轨迹。训练任务平均通过率分别相对提升25%和12%，样本外的长程软件工程评测基准DeepSWE v1.1分别提升约17分（48.8至65.7）和约14分（58.4至72.6）。

本次训练从三个维度扩展RL算力：更大的Batch与更高吞吐，单次更新使用1568个样本，支持100万上下文长度训练，单步训练Token达3.5至3.7B；更多任务与复杂环境，构建覆盖Code、General、Visual、Cyber等方向的多任务训练体系；更大的Grader算力，通过Group内相对比较为长程RL任务提供更精准的奖励信号。

能力扩展上，MiMo-V2.6融合了3D空间推理、多模态感知与计算机操作能力。在游戏开发中，用户输入图片、视频或文字后，模型可将需求拆解为多个任务，由多智能体协作完成3D场景搭建、交互逻辑编写与视觉验证。在具身仿真环境中，MiMo-V2.6可直接以多视角相机画面为输入，通过视觉反馈闭环控制Franka Panda机械臂，完成物体抓取、颜色匹配与精准放置。

科研方面，MiMo-V2.6-Pro协助研究人员完成了全氟和多氟烷基物质（PFAS）吸附用金属有机框架（MOF）材料的设计方案筛选，并在Lean 4中完成了Li-Yorke经典论文《周期三蕴含混沌》原始主定理的完整形式化，形成6000余行Lean源码，完整证明通过Lean内核核验。模型未接受过针对Lean的专项后训练。

MiMo-V2.6系列沿用V2.5系列的API定价：Flash为每百万词元输入1元、每百万输出2元；Pro为3元和6元，并提供99%缓存折扣。在同等智能水平下，价格仅为海外模型的1/20至1/60。伴随新模型发布，MiMo Desktop桌面客户端（支持Windows与Mac）及会员订阅方案同步上线，订阅会员即可使用MiMo-V2.6-Pro和Flash模型，也可配置自己的API Key使用客户端。MiMo Desktop同步上线MiMo-V2.6-Pro的UltraSpeed超高速模式，提供最高20倍的推理速度。

MiMo-V2.6系列已上线Xiaomi MiMo开放平台。原邀测活动将在1周后结束，已获得邀测资格的用户切换模型名称后方可继续使用。同时，小米全面开源MiMo-V2.6-Pro、Flash模型权重与技术报告，同步开放MiMo-V2.6-Distill-Qwen-9B及配套RL研究资源，分享经过验证的训练实践，具体包括：7k+高质量RL任务环境，覆盖软件工程、漏洞复现、知识型工作、网页设计开发四类智能体任务，以MiMo-V2.6-Distill-Qwen-9B为起点展开RL训练，在11项评测中均较SFT基线取得提升；端到端RL训练框架，基于verl、uni-agent和mini-swe-agent，覆盖环境交互、轨迹采集、奖励评估与策略优化的完整训练流程；轻量可组合的Harness，开源极简mini-harnesses，将系统提示、工具与上下文管理解耦，支持社区自由组合框架组件、拓展训练配置。