MiMo-V2.6

MiMo-V2.6 是小米 2026 年 9 月发布的模型系列，它主张的核心论点是：继续拉开差距的地方在于强化学习，而不是再训一轮预训练。本次放出的两个检查点都是稀疏混合专家（MoE）模型，上下文窗口均为 100 万 token，并且都采用 MIT 许可，权重可以直接下载而不是锁在接口后面。第一方模型卡 发布于 2026-09-21；2026-09-22 时 Hugging Face 上 Pro 检查点为 19 个赞、Flash 为 16 个赞、蒸馏版本为 18 个赞。它与 MiMo Code 是两条不同的产品线，后者是小米的终端智能体，不是模型。

两个检查点

旗舰检查点为 70 层、384 个路由专家、每个 token 激活其中 8 个，注意力采用滑动窗口与全局注意力的混合结构（60 层 SWA，10 层全局）。视觉侧是 681M 参数的 MiMo ViT，音频侧是 308M 的 AudioTokenizer 加 127M 的音频 patch 编码器；解码侧还有一个 5 层多 token 预测（MTP）草稿器，一次前向预测后续 7 个 token 以供并行验证。

这次改了什么

有三个选择和常见的开源权重发布不太一样：

1. 一次混合 RL，而不是按领域分别训练。 编码、通用智能体、视觉任务和网络安全在同一条 batch 里训练，还混入了多种 harness，实验室的说法是策略可以迁移到训练中从未见过的 harness 上。
2. 大批量异步 GRPO。 每一步使用 1,568 条 prompt × 16 次 rollout，模型卡称单次更新消耗数十亿 token。
3. 分组式智能体评分。 二元通过/失败无法给两个都通过的答案排序，所以奖励信号本身被放大：离线阶段用对照 rollout 构造任务专属 rubric，在线阶段把优势分配给更优轨迹。官方目标是更短的路径和更少的每任务 token。

系列还发布了 MiMo-V2.6-Distill-Qwen-9B，一个基于 Qwen3.5-9B 蒸馏出的 9B 学生模型。想在不背上 1T 参数的前提下体验 MiMo 的行为，这是最现实的一条路。

基准成绩

下表数字来自模型卡本身，属于厂商自测，请当作官方评测而非中立排名。

同一张表里，Claude Opus 5 在 Terminal Bench 2.1 上是 89.1，GPT-5.6 Sol 是 88.8，差距很小。但 ProgramBench 反过来拉开：Pro 为 26.5，两个闭源模型分别是 37.0 与 25.0。能力在不同领域并不均匀，这恰好是「一次混合 RL」会带来的结果。

部署方式

官方给出了 SGLang 与 vLLM 的部署说明。SGLang 的参考命令是多节点 TP16、DP2、EP16 配置，MoE all-to-all 使用 DeepEP，chunked prefill 为 32768，并启用 EAGLE 推测解码。这意味着一台工作站跑不动，需要数据中心级硬件。如果你要自托管，先看 Flash 这一档。小米自家平台还提供托管 API 和网页版 Studio。

局限与风险

• 推理成本才是真正的门槛。 旗舰档需要多节点张量并行，模型卡给出的示例本身就横跨两个节点。
• 成绩来自厂商自测。 上表所有数字都是实验室自己的评测结果。
• 生态还很新。 发布头几天，量化版本、社区微调和第三方部署指南都还很少。
• 模态能力并不平均。 支持全模态输入，不等于在文本、音频、视频上同样强。

常见问题

MiMo-V2.6 是真开源吗？

是。检查点以 MIT 许可发布，允许商用，权重可以从 Hugging Face 与 ModelScope 下载。

能在本地跑 Pro 吗？

基本不现实。1.02T 总参数、42B 激活仍然需要多卡节点。低于这个规格的场景请用 Flash 或那个 9B 蒸馏模型。

与 MiMo-V2.5 的区别在哪？

这一代的跃升主要在训练侧：跨领域的混合 RL、更大的 RL 批量，以及分组式评分。100 万上下文和全模态输入在 V2 系列里就已经具备。

替代方案

• Qwen3.8-Flash-Next：不需要全模态输入时更轻的开源权重选择。
• LongCat 2.0：另一个长上下文开源模型，值得在智能体基准上对比。
• Bespoke Nimble：面向低成本结构化决策的小模型，而不是通用智能体任务。

总结

MiMo-V2.6 是一次认真的开源权重发布，目标直指智能体场景：100 万上下文、全模态输入、MIT 许可，以及把多个领域混在一次训练里的 RL 配方。问题在算力账上：旗舰档的部署需要多节点集群，所以大多数团队会先评估 Flash 或 9B 蒸馏版，把 Pro 当作这条配方能力上限的参照。