过去两年，说到中国开源大模型，你脑子里蹦出来的名字大概是 DeepSeek、Qwen、Kimi、GLM。这份名单里，现在要加一个新成员——而且是个你完全想不到的行业。
小米。
9 月 22 日，这家「中国的苹果」——一家手机厂商——发布了 MiMo-V2.6 系列。其中最猛的 MiMo-V2.6-Pro，直接登顶 Artificial Analysis 智能指数（Intelligence Index）的开源权重第一，得分 46。
Latent Space 的 AINews 给这一期的标题是「加冕一个新的中国前沿实验室」。小米从来不算「中国 AI 六小龙」之一，所以这件事对既有的排位格局来说，相当意外。
参数、许可、价格，三个数字先摆上MiMo-V2.6 系列包含两款原生全模态（omnimodal）模型：
MiMo-V2.6-Pro：小米迄今最强的模型。MiMo-V2.6-Flash：在智能、效率、成本之间取最佳平衡。另外还有一款 MiMo-V2.6-Pro-UltraSpeed，在同等质量下提供最高 20 倍的输出速度，给需要极致生成速度的用户。
核心规格：1.02T 总参数 / 42B 激活参数，标准的 MoE 架构。许可协议是 MIT——这是最宽松的那一档。
价格：$0.435 / 百万输入 token，$0.87 / 百万输出 token。Artificial Analysis 的数据是，它每个智能指数任务只花 $0.13，稳稳落在「智能 vs 每任务成本」的帕累托前沿上。
翻译成人话：目前开源模型里最强的那个，同时也是性价比最好的那一档之一。
真正的主角不是模型，是那套 RL 环境如果这篇只讲模型有多强，那价值有限。真正让技术圈兴奋的，是小米这次把「强化学习」这条新赛道摊开来讲了。
先看几个数字，它们才是压缩时间线的关键：这次让模型达到该水平的 RL 训练，据称只用了 130 小时、75B token、$2.6M。
三百来万美元。这个量级放在预训练时代，连零头都算不上。
小米在技术报告里说，他们从三个维度扩展 RL 算力：
1. 更大的 batch、更高的吞吐。 全异步架构，每次更新 1568 个样本，训练时支持最高 1M 上下文长度，每步 3.5 到 3.7B token。
2. 更多任务、更丰富的环境。 一套多任务训练套件，横跨编码、通用 agent、视觉和网络安全，混在多个 harness 里训练，让一个能力的提升去强化其他能力。
3. 更多 grader 算力。 组内相对比较，给长周期 RL 任务更精确、更多样的奖励信号，闭环自改进，并把模型往「更短路径、更少 token 每任务」的方向引导。
第三条特别值得琢磨。它讲的不是「怎么让模型更强」，而是「怎么让模型更省」。在推理成本决定产品生死的今天，这是一个非常产品化的优化目标。
而这一切——包括环境本身——小米说会全部开源。具体包括：
编码 / 软件工程：代码配方、数据集加载器、奖励函数网络安全 / 漏洞复现：ARVO 环境和训练配方通用 / 知识工作：通用环境、工具和训练配方视觉 / Web 开发：Web 开发环境和评分音乐生成：数据准备和音乐打分器可组合的 mini-harness：agent 配置共享环境适配器：mimoagent environments但有个保留：完整的 7000+ 任务数据集还没放出来。 环境和训练配方开了，数据暂时没开。
为什么「开放 RL 环境」可能比模型本身更重要这是整件事最值得记下来的判断。
AI 圈的共识正在成型：高质量的开放 RL 环境，可能和上一轮的预训练语料一样具有战略意义。
道理不难想。预训练时代，谁有更多更好的数据，谁就赢在起跑线。现在大家都承认 post-training / RL 是更便宜、更快的追平路径，那么真正稀缺的东西就从「语料」变成了「能自动生成任务、还能防作弊的环境」。
小米在这方面做了两件反常规的事：
第一，异常透明。 前 DeepSeek 明星工程师、现小米的 Fuli Luo，开始直播发布他们最终的 RL 训练运行，把内部指标摊开给所有人看。另一位工程师的观察是，小米想放出约 7000 个 RL 环境，而且从最终 RL 跑完到模型 + 技术报告发布，用了不到一周。
第二，环境工厂。 有人指出，小米那篇环境/数据工厂的论文，讲的是「如何从开源仓库自动生成 RL 任务」，并且让「agent 在环里」来保证鲁棒性和反作弊。这直接回应了 RL 最大的工程难题：环境和奖励太容易被模型钻空子。
还有一条技术细节值得记：小米的 MiMo 系列在 JAX + TPU 上扩展 RL，有工程师形容那里的扩展「主要是改配置，而不是重写代码」。这句话如果成立，意味着 RL 训练的工程门槛正在快速下降。
别急着宣布「闭源已死」不过 AINews 也贴了反方观点，我觉得必须一起放上来才客观。
乐观的一方：有工程师认为前沿编码能力自 Opus 4.8 之后已经停滞，而开源模型正以 10 到 50 倍更低的成本持续逼近；Hugging Face 的 Clement Delangue 也说，很多真实场景根本用不着 API，专用模型会分走份额。Bloomberg 的消息还提到，创业公司正越来越多地在开放权重上构建自定义模型，来降成本、减少对 OpenAI / Anthropic 的依赖。
反方：有人认为前沿其实分裂出了新的更高层级，内部模型和顶级闭源模型仍然遥遥领先。这个反驳很有力——开源追的是「上一代前沿」，而闭源正在往「下一代前沿」跑。
另外，中国实验室的发布节奏本身已经很难忽视。有工程师整理出大约十周的开源发布潮，包括 Kimi K3、Qwen3.8-Max、DeepSeek V4-Pro、GLM-5.3、Hy4 Preview、Atria Dawn 等等。开源能力已经不再局限于中等规模模型，多个团队在交付前沿级别的 MoE，而且带着可信的成本性能故事。
对独立开发者的启发抛开「开源 vs 闭源」的口水战，小米这次对个人和小团队有三条实际价值：
1. MIT 许可 + 顶级性能 + 便宜，这个组合可以认真考虑自托管。 42B 激活参数意味着推理成本可控，MIT 意味着商用几乎没约束。如果你的产品对数据归属、调用稳定性或者长期成本敏感，这是一个值得跑基准测试的选项。
2. 开放的 RL 环境和训练配方，把「微调」的门槛又降了一档。 以前你想让模型学会某个垂直任务，缺的往往是「怎么造数据、怎么设奖励」。现在编码、网络安全、Web 开发、音乐这些方向的环境和评分代码都开了，你可以直接拿来改造。这是比「模型权重」更值钱的东西。
3. 把「每任务成本」当成选型的第一指标。 MiMo 的 $0.13/任务之所以被反复强调，是因为它才是产品能不能跑通商业模式的数字。别只看「每百万 token 多少钱」，要算「完成一件事要花多少钱」。RL 那第三个扩展方向——让模型走更短路径、用更少 token——本质就是在优化这个指标。
最后一句实话：这次小米最狠的地方，不是它做出了一个强模型，而是它把「怎么用三百万美元做出一个强模型」的过程公开了。当方法比结果更稀缺的时候，公开方法这件事，杀伤力比公开权重更大。

来源：www.latent.space/p/ainews-xiaomi-mimo-v26-pro-1t-a42b