小米开源大模型登顶全球第一，罗福莉长文揭秘RL立功

9月21日，小米MiMo团队发布并全面开源新一代MiMo V2.6系列，包括Pro、Flash、Ultraspeed三款模型。其中MiMo V2.6 Pro在Artificial Analysis智能指数（AA Intelligence Index v4.3）中得分46，超过Kimi K3和Qwen3.8 Max，位列全球开源模型第一、国产模型第一。该榜单上，Fable 5.1得分53，GPT-6 Astra得分52.8，Opus 5得分50.7，MiMo V2.6 Pro已进入全球顶尖第一梯队。价格维持V2.5不变，智能翻倍，形成新的“智能-成本”帕累托前沿。

小米大模型负责人罗福莉在X发布长文《The Hard Road to Scaling Up RL》，称MiMo V2.6可能是开源世界迄今最大规模单次RL训练，研究创新和工程挑战甚至超过DeepSeek R1。同日SpaceX的Grok 4.7发布，AI博主Chubby先夸Grok 4.7后改口称“比Grok 4.7更强，价格便宜得多，中国回来了”。AA指数上两者同为46分，但MiMo V2.6 Pro单任务成本0.13美元，Grok 4.7为3.74美元，差距近30倍。

三款模型定位明确：Pro为旗舰，全模态、超高性能，覆盖复杂项目、长程任务、网络安全和科研，是开源世界唯一同时做到全模态和旗舰性能的模型，多数Agent Benchmark上比肩Opus 5和GPT-5.6 Sol。Design Arena排名中，Chat综合场景开源第3、总榜第8，超过Claude Opus 5；Website类别开源第2、总榜第4；Web Apps前端开发开源第2、总榜第6，超过Kimi K3、Fable 5、Opus 5和GPT-5.6 Sol。Flash主打效率，全模态、高智能、低成本，全面超越上一代旗舰V2.5 Pro。Ultraspeed保留Pro旗舰性能，不做量化，提供最高10倍推理速度，常态500 TPS，峰值1000 TPS，3倍价格换10倍速度。

实战方面，MiMo V2.6可生成可交互3D开放世界、复杂3D场景建模、多模态输入生成Office文档。小米前沿材料团队用Pro设计捕获PFAS的新型MOF材料，实现端到端科研闭环，模型设计的A50和B50结构吸附性能达参照材料百万到千万倍，人类专家效率提升约10倍，研发周期从一个月压缩到2—3天。北京大学窦锦虎教授评价其研究能力已达训练有素的博士研究人员水平。V2.6单轮交付速度极快，复杂多步任务中同等时间可完成更多迭代。

技术层面，预训练基座和参数未变，智能跃升源于后训练革命。小米定位其为探索RSI路径的关键一步，以可验证复杂任务为基础，规模化扩展RL算力。罗福莉9月17日推文阅读量达三百万，团队将RL训练过程全程直播，不到6天Flash和Pro各跑完30步，累计约75万条轨迹，训练成本分别约85万和262万美元，数据实时公开。Nathan Lambert评价其为“迄今公开的最酷大规模RL资源之一”。训练任务平均通过率分别相对提升25%和12%；样本外长程软件工程基准DeepSWE v1.1上，Flash从48.8涨至65.68，Pro从58.4涨至72.57。核心技术为MixRL混合任务强化学习，罗福莉概括为“You Only RL Once”，一次大规模混合任务RL即可让模型各方向同时涌现能力。后训练沿三个轴扩展，形成“环境×任务×评分器”三轴协同自我改进系统。第一轴Rollout计算：每步使用1568个Prompt，每个Prompt进行16次Rollout，单步训练Token达27亿至37亿，支持1M上下文长度训练。