小米开源MiMoV2.6大模型 RL算力大幅提升智能边界

  小米今日凌晨正式发布了全新的Xiaomi MiMo-V2.6系列,包括Pro和Flash两个原生全模态模型,并宣布开源。这是小米在探索RSI(递归自我改进)路径上的重要一步,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。

  

  MiMo-V2.6-Pro在Artificial Analysis Intelligence Index(AA综合智能指数)v4.3.2中取得了46分,超过了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,比前代MiMo-V2.5-Pro的26分高出20分。不过,该模型与Claude Fable 5.1和GPT-6 Astra等顶级闭源模型相比仍有差距。

  

  MiMo-V2.6可能是目前国产开源模型中投入RL算力最多的之一。Pro与Flash训练历时不到6天,成本分别为约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了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。