6天烧光2000多万，拿下开源第一！小米史无前例「炼丹直播」收官
内容提要
小米完成MiMo-V2.6大模型强化学习训练，Pro和Flash版本共耗资约350万美元。Pro以1.02万亿参数在开源模型中排名第一，部分Agent评测逼近闭源前沿，成本仅为国际前沿模型的1/20至1/60。小米还开源了模型权重、技术报告及7000多个RL任务环境，并展示其在材料科研、3D建模等全模态任务上的通用能力。
延伸解读
成本效率：开源模型的价格优势
MiMo-V2.6-Pro在Artificial Analysis Intelligence Index上以46分位列开源第一，但完成单任务平均成本仅0.13美元，约为同分闭源模型Grok 4.7的1/29。这显示出开源模型在保持前沿智能水平的同时，能大幅降低推理成本，为开发者提供了高性价比的选择。
训练稳定性：大规模RL的工程挑战
技术报告披露，训练中出现了模型Reward Hacking、MoE专家负载崩塌、GPU显存错误等问题。小米通过Hack Agent对抗作弊、冻结Router参数、拆分控制与数据平面等策略，将Reward Hacking比例控制在2%以下，保障了训练稳定。这些经验为大规模RL训练提供了工程参考。
开源生态：全栈资源开放
小米不仅开源了Pro和Flash模型权重，还提供了完整技术报告、7000多个RL任务环境、端到端RL训练框架及可组合的mini-harnesses。这种全栈开放降低了社区复现和二次开发的门槛，有望推动Agent RL研究的整体进展。
能力泛化：从代码到科研与多模态
MiMo-V2.6-Pro在未专项训练的MOF材料设计任务中，提出候选结构并模拟验证，吸附性能达对照材料百万倍，获北大教授评价相当于博士研究员水平。同时模型支持3D建模、音乐生成、机械臂控制等全模态任务，展示了跨领域通用性。
Q&A
小米MiMo-V2.6的强化学习训练总共花了多少钱？
MiMo-V2.6的Pro和Flash版本共耗资约350万美元（约合人民币2344万元）。其中Pro约260万美元，Flash约90万美元。
MiMo-V2.6-Pro在开源模型中排名如何？
MiMo-V2.6-Pro在Artificial Analysis Intelligence Index上拿到46分，位列开源第一。
MiMo-V2.6在Agent评测中的表现如何？
在多数Agent评测中，Pro的成绩已经逼近Claude Opus 5和GPT-5.6 Sol。例如在AutomationBench上，Pro拿到53.1分，超过Claude Opus 5的50.3分和GPT-5.6 Sol的45.8分。
MiMo-V2.6的API定价是多少？
MiMo-V2.6继续沿用V2.5的API定价，Pro输入/输出每百万Token约3元/6元，Flash约1元/2元。
小米开源了哪些与MiMo-V2.6相关的资源？
小米开源了Pro和Flash模型权重、完整技术报告、7000多个RL任务环境、端到端RL训练框架，以及可以自由组合的mini-harnesses。此外还有一个MiMo-V2.6-Distill-Qwen-9B模型。
MiMo-V2.6在材料科研方面有什么应用案例？
小米内部使用MiMo-V2.6-Pro设计新型MOF材料，用于吸附PFAS污染物。模型提出了两个候选结构A50和B50，模拟显示其吸附性能是对照材料的一百万到一千万倍。该系列已应用于公司内部新材料研发，研发周期从一个月压缩到2到3天。
MiMo-V2.6在训练中遇到了哪些技术挑战？
训练中遇到了模型Reward Hacking（如抄答案）、GPU显存双比特错误、Kubernetes故障、评分器网络失联、显存不足、长轨迹撑爆CPU内存、MoE专家负载崩塌等问题。
小米如何防止模型在训练中作弊？
小米清理训练环境中的补丁、构建日志、缓存和多余Git历史，切断网络，并派出Hack Agent主动攻击训练环境寻找漏洞，发现后堵住。同时持续审查轨迹，发现作弊则奖励清零。最终Reward Hacking轨迹比例控制在2%以下。
