新模型发布的速度越来越快，几乎每周都有，从美国各大AI实验室推出的强大专有系统，到中国一些科技巨头发布的更开放的替代方案，不一而足。
就在本周二，Anthropic发布了Claude Opus 5.5，OpenAI则推出了GPT-6 Sol和Luna，每家公司都照例宣称自家产品性能超越对手。然而在这场前沿模型的喧嚣之中，小米也发布了MiMo-V2.6，这是中国日益壮大的AI开发者队伍中又一款强大的开放模型。
初步公布的各项核心数据看起来相当可观。旗舰版MiMo-V2.6-Pro是一个万亿参数规模的模型，每次激活420亿参数，拥有100万Token的上下文窗口，并支持文本、图像、音频和视频处理。总体而言，这使其与OpenAI和Anthropic的最新模型处于同一前沿水平：GPT-6 Sol的上下文窗口为105万Token，Claude Opus 5.5为100万Token，不过这两家公司均未披露可比的参数规模数据。
小米方面则广泛宣称该模型在编程、智能体任务、网络安全、多模态处理及研究等领域均具备前沿水平的性能表现。独立分析机构的评估也为这些说法提供了一定支撑——Artificial Analysis给MiMo-V2.6-Pro打出了46分的智能指数，在其追踪的114个大型开放权重模型中排名第一。
到目前为止，一切看起来都不错。但可以说，小米这次发布中更值得关注的，是其训练该模型的方式、公开展示训练过程的程度，以及发布后续工作的方式。
公开记录
小米通过一个公开仪表板对其强化学习训练过程进行了直播，在9月15日开始的五天时间里，实时展示了生产环境强化学习运行过程中的各项指标。等到训练运行结束时，仪表板显示，较小规模的MiMo-V2.6-Flash模型花费了854,044美元，而Pro版本的花费则达到2,620,670美元——两者合计约350万美元。
值得注意的是，这一数字仅涵盖强化学习阶段的费用；小米并未透露预训练阶段的成本。即便如此，公开强化学习训练账单的做法也十分罕见。此前最接近的案例出现在去年：MiniMax表示其4560亿参数的MiniMax-M1模型强化学习阶段的GPU租用费用为534,700美元，而DeepSeek则披露其6710亿参数的R1模型强化学习训练费用为294,000美元。这两款模型在发布时均是领先的开放推理模型，不过这种对比也存在局限：MiMo-V2.6-Pro规模更大，其强化学习训练针对的是更长、更具智能体特性的任务。
直播开始后不久，曾在DeepSeek工作、现领导小米MiMo团队的罗福莉在X平台上发文，阐释了这一项目背后的思路。她表示，团队花费了近六个月时间探索强化学习的潜力边界，不断增加训练量、丰富训练环境与智能体配置的多样性，并扩充用于评判模型表现的资源投入。
她补充道："我们将在未来几周内分批开源相关细节。"
Hugging Face联合创始人兼首席科学官Thomas Wolf在X平台上回应称，这一举动是"在如此大规模训练中展现出的令人印象深刻的开放程度"。
不过，小米随成品模型一同发布的内容或许同样引人关注。该公司以宽松的MIT许可证发布了模型权重，同时公开了技术报告，以及一个基于Qwen架构的90亿参数模型，旨在为进一步的智能体强化学习研究提供起点。
"在如此大规模训练中展现出的令人印象深刻的开放程度。"
小米表示，还"完全开源"了一套更广泛的强化学习资源：涵盖软件工程、漏洞复现、知识工作和网页开发等领域的超过7000个任务环境；一个端到端的训练框架，涵盖从环境交互到奖励评估及策略优化的全流程；以及用于实验不同工具、提示词和上下文配置的轻量级智能体框架。不过截至本文撰写时，小米在Hugging Face上开源项目的链接中仅包含三个模型发布内容，超过7000个环境及其他配套资源尚未在此呈现。罗福莉此前曾表示，小米将在"未来几周内"逐步开源各项内容。
本周各项成果陆续公布后，研究界的关注点很快从基准测试分数转向了小米整体承诺开源的内容。曾在Hugging Face工作、现为Prime Intellect研究工程师的Elie Bakouch特别提及了这些承诺中的强化学习资源。
Bakouch在X平台上写道："最惊人的部分是，他们将开源约7000个强化学习训练数据集及框架，这促成了这款在Artificial Analysis排名前六的模型。他们还在开始最终强化学习训练不到一周的时间内，就发布了模型和技术报告。"
Wolf则进一步指出，随着更多模型开发转向采用可验证奖励的强化学习（RLVR）方式，模型学习所处环境的获取途径，对于开放研究而言可能变得尤为宝贵。由于RLVR依赖于结果可自动核验的任务——例如代码能否通过测试——这些环境本身就成为训练过程中的关键要素。
"目前，发布大量高质量的开源强化学习环境，是任何人能为推动开源前沿发展所做的最具影响力的事情。"
Wolf写道："发布大量高质量的开源强化学习环境，是目前任何人能为推动开源前沿发展所做的最具影响力的事情。这相当于在新的RLVR范式下，分享高质量的预训练数据。"
开放权重与开源之争
因此，尽管小米最新模型的基准测试成绩本身就值得关注，但该公司所采取的做法，才是目前引发诸多热议的主要原因。
事实上，MiMo-V2.6为我们提供了一个有用的例子，说明了一个在AI领域常被混淆的概念区别："开放权重"和"开源"经常被当作同义词使用，但两者并不相同。许多所谓的"开放"模型，实际上主要只是提供可下载的权重——也就是模型在训练过程中学习到的大量数值参数集合，可用于运行或微调模型——而生产这些权重所涉及的大部分过程仍处于封闭状态。
一些公司在这方面的表述更加模糊。例如，Meta常将其Llama系列模型称为开源模型，尽管其附带的诸多限制条件促使开源倡导者对这一说法进行了强烈反驳。
因此，MiMo-V2.6的开放程度超过了大多数开源发布项目。其MIT许可证不附带Moonshot的Kimi K3和阿里巴巴Qwen3.8-Max针对大型商业用户所附加的任何限制条件。而且，如果承诺的训练环境资源能够如期发布，外部研究人员将能够审视并借鉴更多训练后处理流程中的内容。
Q&A
Q1：小米MiMo-V2.6-Pro的参数规模有多大？
A：MiMo-V2.6-Pro是万亿参数规模的模型，每次激活420亿参数，拥有100万Token的上下文窗口，支持文本、图像、音频和视频处理。
Q2：小米MiMo-V2.6的强化学习训练花费了多少钱？
A：根据小米公开的训练仪表板数据，较小规模的MiMo-V2.6-Flash模型强化学习阶段花费854,044美元，Pro版本花费2,620,670美元，两者合计约350万美元，但这一数字仅涵盖强化学习阶段，不包括预训练成本。
Q3：MiMo-V2.6与其他开源模型相比，开放程度有何不同？
A：MiMo-V2.6以宽松的MIT许可证发布模型权重，不附带其他模型（如Kimi K3、Qwen3.8-Max）针对商业用户的限制条件，并承诺开源超过7000个强化学习任务环境及完整训练框架，开放程度超过大多数所谓"开源"模型。
