小米的市场部动作好快！直接就把 MiMo-V2.6-Pro 登顶 Artificial Analysis Intelligence Index 全球开源模型第一做到了他们 2026云栖大会 展台上。

趁着今天新模型的东风，小米展台始终人满为患，到临近散场时才有空隙进去看看。

对于他们这次取得成绩的原因，MiMo 负责人罗福莉还在 X 发表了一篇长文：

MiMo-V2.6 很可能是迄今任何开源模型团队所开展的、以算力计规模最大的单次 RL 训练之一。

在这个算力极其紧缺的时代，我们依然决定投入一支数十人的团队，在相当长的一段时间里专注于同一个目标：把 RL 的规模做大。

这靠的不只是研究上的信念，还需要对 AGI 的愿景、对未知的敬畏，以及迎头直面最棘手问题的胆魄。

而我们的成果就是这样一款潜能经 mid-training 构建、并在高强度 RL 下解锁的、排名第一的开源模型。

我强烈推荐大家阅读这份技术报告，相信它将成为 Agent RL 从业者反复翻阅、每次都能有新发现的那类论文之一。

在我看来，其背后的研究创新与工程挑战，超越了我也曾参与的 DeepSeek R1。

有人会问：为什么是 MixRL，而不是 MOPD？

首先，两者并非彼此竞争的选择。我们在中等难度、结果可验证的任务（含代码及相关智能体任务）上运行了 MixRL，发现由此训练出的模型泛化能力极为出色。

其次，对于那些难以验证、时间跨度极长，或是本身就难到无法纳入联合 RL 训练的任务，我们则单独训练。若将其纳入，会大幅降低 rollout 效率，或引入严重的 rollout staleness 问题。

随后，我们再通过 MOPD 将这些能力融合起来。游戏、3D 任务，以及带有主观评估信号的任务，均属此类。

此外，还有一个略带戏谑的答案：我们的团队足够扁平、也足够不受组织壁垒的束缚，因此 MixRL 对我们来说不难。

更重要的是，大家都很享受这种工作方式。来自不同领域的成员每天聚在一起，在对 AGI 与能够持续自我改进的智能的追求驱动下，去直面并解决各个领域的 RL 瓶颈。

我会永远记得这段时期的 RL 每日进展会——讨论紧张而紧凑，智能实时涌现。

为帮助开源社区集中精力解决真实的 Agentic RL 问题，我们发布了一款基于 MiMo RL 轨迹（trajectories）蒸馏而成的 Qwen 模型，作为 RL 的更强起点，并一同发布了 7000 个多样化环境以及一套完整的 RL 训练框架。

我们希望这些资源能推动 Agentic RL 研究向前发展。

MiMo-V2.6 只是一个开始。在这个智能易于复制的时代，我们依然选择那条通往自我改进与 AGI 的难行之路。

前方仍有诸多未知。但我们愿意持续投入所需的时间、算力与热情，去承接一个又一个难题，并把每一个都一路做到底，直至智能迈入新的范式。

小米MiMo为何登顶开源第一