JEVLAB NEWS Research & data
小米发布 MiMo-V2.6 模型
AI-assisted summaries and translations. Check original sources for context and performance claims.
小米推出了 MiMo-V2.6 Pro 和 Flash 多模态模型,在开源模型领域表现出色。此次发布不仅包含模型权重,还公开了强化学习环境和训练代码,旨在提升透明度与可复现性。
译文摘要 · AI-assisted; check the original.
一览完整讨论串
使用AI独立概述CHOI的连续帖子。图片和视频归原作者所有,原文中的主张未经独立验证。
开源模型新标杆
MiMo-V2.6 Pro 在 Artificial Analysis 智能指数中获得 46 分,位居开源模型榜首。相比前代版本,性能提升显著。

多模态与全流程公开
模型支持文本、图像、音频和视频输入。小米同时公开了强化学习环境、训练代码及评估框架,支持开发者进行复现与扩展。

大规模强化学习
模型通过 75 万个任务记录进行强化学习训练。Pro 和 Flash 的训练成本分别为 262 万美元和 85 万美元。

性能对比
MiMo-V2.6 Pro 的 46 分与 Grok 4.7 持平。目前 GPT-6 Astra 和 Opus 5 等闭源模型在得分上仍保持领先。

代理任务表现
在编程与工具使用方面,Pro 表现优异。尽管在 DeepSWE 上略逊于 Claude Opus 5,但在实际知识任务中表现强劲。

价格优势
MiMo 的 API 价格远低于 Grok 4.7 或 GPT-5.6 Sol。其极具竞争力的定价使其在商业应用中更具吸引力。

推理成本与速度
单次任务推理成本约为 0.13 美元。输出速度达到每秒 134.3 个 Token,首字响应时间为 2.15 秒。

软件操作能力
MiMo 具备 3D 空间推理及软件操控能力,可直接在 Blender 中建模,或操作 Excel 和 Canva 等办公软件。


设计与开发评估
在 Design Arena 中,MiMo-V2.6 Pro 综合排名第 8,开源模型中排名第 3,在前端开发领域表现尤为突出。

科研辅助应用
该模型已协助科研人员筛选 PFAS 吸附材料,并成功使用 Lean 4 语言形式化了复杂的数学定理证明。

技术架构
模型采用 MoE 架构,总参数量 1.02 万亿,推理时激活 420 亿参数。虽然计算效率高,但运行仍需强大基础设施。

官方资源
有关 MiMo-V2.6 的详细技术文档、基准测试数据及相关资源,请访问小米官方发布页面。
Source notes
This is a linked resource, not an independent verification of performance, cost or results. Check the original for current details.
- Collected
- 2026-09-22
- Discovered via
- www.threads.com
前十名
Sponsor
- Wallpets 91 点击量$125
W
- Walltank 107 点击量$85
W
- CChowder 59 点击量$50
- Falconer 50 点击量$45
F - Lemonpod 90 点击量$40
L
- Menta 36 点击量$35
M - Sway 34 点击量$30
S
- Peon-Ping 30 点击量$25
P - Zeron 92 点击量$20
Z
- Guideless 25 点击量$15
G