“令人印象深刻的开放程度”：小米凭借MiMo-V2.6远超常规开放权重套路
内容提要
小米发布开源模型MiMo-V2.6，旗舰版为万亿参数，支持百万级上下文与多模态。其亮点是训练透明度：直播五天强化学习过程，公开约350万美元成本，并承诺以MIT许可开源超7000个RL任务环境、训练框架及模型权重。业界认为公开RL环境对推动开源前沿极具价值，也凸显“开放权重”与“开源”的区别。
延伸解读
开放权重与开源：小米的实践差异
文章指出，业界常将“开放权重”与“开源”混为一谈，但两者并不等同。许多所谓开放模型仅提供可下载的权重，训练过程仍不公开。小米MiMo-V2.6不仅以MIT许可发布权重，还承诺开源超7000个RL任务环境、训练框架等，更接近真正开源。Meta的Llama虽常被称为开源，却附带显著限制，引发开源倡导者批评。小米此举在开放程度上走得更远。
公开RL成本：透明度与可比性
小米直播了五天强化学习过程，公开成本：Flash模型约85.4万美元，Pro模型约262万美元，合计约350万美元。文章提醒，这仅覆盖RL阶段，未包含预训练费用。此前MiniMax-M1的RL阶段GPU租赁成本为53.47万美元，DeepSeek R1为29.4万美元。但直接比较有限，因为MiMo-V2.6-Pro规模更大，RL任务更侧重长周期智能体任务。
RL环境开源：为何被视为关键推动
Hugging Face联合创始人Thomas Wolf认为，在RLVR（可验证奖励强化学习）范式下，环境本身成为训练的关键要素，发布高质量开源RL环境是当前推动开源前沿最有影响力的事，相当于新范式下的高质量预训练数据。小米承诺开源超7000个任务环境，覆盖软件工程、漏洞复现、知识工作与网页开发等。但截至文章撰写时，Hugging Face链接仅包含三个模型发布，环境等资源尚未出现。
Q&A
小米MiMo-V2.6-Pro有哪些核心规格？
MiMo-V2.6-Pro是万亿参数模型，每次激活420亿参数，支持100万token上下文窗口，并支持文本、图像、音频和视频。
小米如何公开MiMo-V2.6的强化学习训练过程？
小米从9月15日起通过公共仪表盘直播强化学习训练，实时暴露生产RL运行指标，持续五天，并公开了成本：Flash模型854,044美元，Pro模型2,620,670美元，合计约350万美元。
MiMo-V2.6在开源方面发布了哪些资源？
小米以MIT许可证发布了模型权重、技术报告和基于Qwen的90亿参数模型，并承诺完全开源超过7000个RL任务环境、端到端训练框架和轻量级智能体工具。
为什么公开RL环境对开源前沿很重要？
因为模型开发转向可验证奖励的强化学习（RLVR），环境成为训练的关键成分。Hugging Face联合创始人Thomas Wolf认为，发布高质量开源RL环境是当前推动开源前沿最有影响力的事情，相当于在RLVR范式下共享高质量预训练数据。
MiMo-V2.6-Pro在独立评测中表现如何？
Artificial Analysis给MiMo-V2.6-Pro的智能指数评分为46，在其追踪的114个大型开放权重模型中排名第一。
“开放权重”和“开源”有什么区别？MiMo-V2.6如何体现？
“开放权重”通常只提供可下载的模型权重，而训练过程大多不公开；“开源”则要求公开更多资源。MiMo-V2.6不仅以MIT许可证发布权重，还承诺开源RL环境、训练框架等，比多数开放权重模型更接近真正的开源。
