JEVLAB NEWS Research & data
小米發布 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 與 Flash 多模態模型,在開源模型領域表現優異。此次發布不僅包含模型權重,還公開了強化學習環境與訓練代碼,旨在提升透明度與可復現性。
翻譯摘要 · AI-assisted; check the original.
一覽完整討論串
使用AI獨立概述CHOI的連續貼文。圖片和影片歸原作者所有,原文中的主張未經獨立驗證。
開源模型新標竿
MiMo-V2.6 Pro 在 Artificial Analysis 智能指數中獲得 46 分,位居開源模型榜首。相比前代版本,性能提升顯著。

多模態與全流程公開
模型支援文本、圖像、音訊和影片輸入。小米同時公開了強化學習環境、訓練代碼及評估框架,支援開發者進行復現與擴展。

大規模強化學習
模型透過 75 萬個任務記錄進行強化學習訓練。Pro 和 Flash 的訓練成本分別為 262 萬美元和 85 萬美元。

性能對比
MiMo-V2.6 Pro 的 46 分與 Grok 4.7 持平。目前 GPT-6 Astra 和 Opus 5 等閉源模型在得分上仍保持領先。

代理任務表現
在程式設計與工具使用方面,Pro 表現優異。儘管在 DeepSWE 上略遜於 Claude Opus 5,但在實際知識任務中表現強勁。

價格優勢
MiMo 的 API 價格遠低於 Grok 4.7 或 GPT-5.6 Sol。其極具競爭力的定價使其在商業應用中更具吸引力。

推理成本與速度
單次任務推理成本約為 0.13 美元。輸出速度達到每秒 134.3 個 Token,首字響應時間為 2.15 秒。

軟體操作能力
MiMo 具備 3D 空間推理及軟體操控能力,可直接在 Blender 中建模,或操作 Excel 和 Canva 等辦公軟體。


設計與開發評估
在 Design Arena 中,MiMo-V2.6 Pro 綜合排名第 8,開源模型中排名第 3,在前端開發領域表現尤為突出。

科研輔助應用
該模型已協助科研人員篩選 PFAS 吸附材料,並成功使用 Lean 4 語言形式化了複雜的數學定理證明。

技術架構
模型採用 MoE 架構,總參數量 1.02 兆,推理時激活 420 億參數。雖然計算效率高,但運行仍需強大基礎設施。

官方資源
有關 MiMo-V2.6 的詳細技術文件、基準測試數據及相關資源,請訪問小米官方發布頁面。
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 94 點擊次數$125
W
- Walltank 109 點擊次數$85
W
- CChowder 61 點擊次數$50
- Falconer 52 點擊次數$45
F - Lemonpod 92 點擊次數$40
L
- Menta 38 點擊次數$35
M - Sway 36 點擊次數$30
S
- Peon-Ping 32 點擊次數$25
P - Zeron 94 點擊次數$20
Z
- Guideless 27 點擊次數$15
G