小米 MiMo-V2.6 发布：万亿参数全模态开源，价格不涨，还多了个快 20 倍的 UltraSpeed

按 2026-09-29 的状态整理。规格、架构和评测来自 Hugging Face 模型卡与技术报告，价格、限流和上下架来自小米 MiMo 开放平台的模型页、价格页和更新日志，强化学习成本和 Artificial Analysis 分数来自官方发布博客，09-27 的补丁来自官方技术博客和 MOPD 模型卡。页末附全部来源。

hihi！洛洛来了！

洛洛认真看小米的模型，起因很朴素：本站 9 月 24 日把它加进了洛洛 AI 的模型列表，每问只要 1 核。自家菜单上多了一道菜，洛洛总得知道它是什么做的吧。

结果一翻，发现这道菜连菜谱带账单一起公开了：权重、技术报告、训练环境、强化学习代码全开源，连强化学习花了多少钱都写出来了，Pro 大约 262 万美元。洛洛看到这个数字的第一反应是：原来训练模型的账单是可以摊开给大家看的吗？

更离谱的是，发布才五天，小米又自己写了一篇博客，承认模型有个毛病，顺便把修这个毛病花了多少钱也写上了。下面的数字全是官方口径，洛洛只在旁边写了点读后感。

一句话总结

赶时间的话，看完这一段就够了。

小米在 2026-09-22 发布并开源 MiMo-V2.6 系列：旗舰 MiMo-V2.6-Pro（1.02T 总参 / 42B 激活）和性价比款 MiMo-V2.6-Flash（309B / 15B），两个都是原生全模态（文本、图片、视频、音频输入，文本输出），1M 上下文、最大输出 128K，权重用 MIT 协议。另有一个只在自家 API 和 MiMo Desktop 提供的 MiMo-V2.6-Pro-UltraSpeed，官方说输出最高快 20 倍，价格是 Pro 的 10 倍。Pro 和 Flash 的 API 价格与 V2.5 相同，Pro 是输入 ¥3、输出 ¥6 每百万 token。官方称 Pro 在 Artificial Analysis 智能指数 v4.3 上拿到 46.32，是发布时最强的开源模型。这一代的重点是把强化学习做大，技术报告、训练环境和强化学习代码一起开源。发布后发现的「工具调用重复」问题，09-25 起在 API 上修掉，09-27 放出对应的 MOPD 版权重。

时间线

关键数字

这张表来自 Hugging Face 模型卡、技术报告和开放平台模型页。洛洛看得最认真的是「预训练数据」那一行，后面单独说。

UltraSpeed 在模型列表里同样是 1M 上下文、128K 最大输出，限流写的是「定制服务，请联系我们」，也就是说 API 要找小米开通，不是注册就能直接调。

洛洛盯着预训练那一行看了好久：小的 Flash 反而读了更多数据，而且多出来的主要是全模态数据（22T 对 3T）。技术报告只给了数字，没解释为什么这么分，洛洛也不敢瞎猜。

另外，上一代在官方模型列表里，只有 mimo-v2.5 标了「全模态理解」，mimo-v2.5-pro 没标。这一代 Pro 和 Flash 都是全模态，旗舰终于也能看视频、听音频了。

架构

这一节洛洛只敢照搬报告，再在旁边写一句自己的土办法理解。

• 混合注意力：大部分层用只看附近 128 个 token 的滑动窗口注意力，隔几层插一层看全文的全局注意力。Pro 的 70 层里 60 层是滑动窗口、10 层是全局。第一层是全局注意力加稠密前馈网络，其余层都是不带共享专家的稀疏 MoE。洛洛的理解是：像考试时大部分时间只盯着眼前这道题，隔一阵翻回去看一眼题目要求，省力又不跑偏
• 全模态编码器：图片和视频走 681M 参数的 MiMo-ViT（28 层，24 层滑动窗口加 4 层全局）；音频先经 308M 参数的音频 tokenizer（用 2000 万小时音频训练），再由 127M 的 patch 编码器把 25Hz 压到 6.25Hz，最后和文字排进同一个序列
• 投机解码：5 层的 MTP 草稿模块（DFlash 式），一次前向猜后面 7 个 token，再交给主干并行验证
• 预训练和中训练：预训练从 32K 上下文开始，中途扩到 256K；中训练先在 256K 上花掉大部分算力，最后一段扩到 1M。中训练把隐藏层权重的优化器从 AdamW 换成 Muon 的变体 Muown，同时做了 MXFP4 量化感知训练

强化学习是这一代的主角。 报告标题就叫《Scaling Reinforcement Learning Towards Self-Improvement》，小米自己的说法是「You Only RL Once」：

• 一次跑完所有领域：编程、通用 agent、视觉、网络安全的任务混在同一次强化学习里，多种 agent 框架（harness）也混在同一批，而不是每个领域单独训一遍
• 批次很大：每步 1,568 个题目、每题 16 条轨迹，每步几十亿 token（博客写 35 亿到 37 亿，技术报告写 27 亿到 37 亿），上下文最长 1M
• 便宜且快：两个模型各跑 30 步、约 75 万条轨迹，都不到 6 天。Pro 约 262 万美元，Flash 约 85 万美元（技术报告四舍五入写成 $2.6M 和 $0.9M）
• 边训边涨：留出的 DeepSWE v1.1 上，Pro 从 58.4 涨到 72.57，Flash 从 48.8 涨到 65.68（博客口径）
• 打分也加算力：光看测试过没过，分不出「过了但写得烂」和「过了且写得好」。小米让评分 agent 在同一组答案里互相比较，把更好的解法往前排，顺带鼓励更短的路径、更少的 token
• 稳住训练：冻结 MoE 路由器防止训练漂移，并从奖励设计、对抗评估、异常检测、多个验证器交叉检查几层防奖励作弊

强化学习之后还有一步 MOPD2（多前缀、多教师的在线策略蒸馏）：把不同领域的教师模型合进一个学生模型，专门补长程游戏开发、科研、具身智能这类「很难写出可靠评分器」的领域。

开源的不只是权重：技术报告里还放出了强化学习环境（编程、网络安全、知识工作、网页开发四类，共约 7000 个带验证器的训练任务）、一套端到端强化学习框架，以及 9B 的蒸馏小模型 MiMo-V2.6-Distill-Qwen-9B（在 Qwen3.5-9B 上用 MiMo 生成的 774 亿 token 数据做 SFT，MIT 协议），给研究者当起点。

评测

以下摘自 Hugging Face 模型卡（与技术报告 Table 3 一致），全部是小米自测。对比模型按原表：Claude Opus 5、GPT-5.6 Sol、Claude Fable 5，每行最高分加粗，「-」表示原表没有这项。

怎么读这张表：

• 比上一代涨得吓人：DeepSWE 从 V2.5 Pro 的 19.0 到 71.9，Terminal Bench 4.0 从 1.5 到 34.9。洛洛第一眼以为 V2.5 那列是印错了
• 日常 agent 活已经贴着闭源旗舰：AutomationBench、Terminal Bench 2.1、Agents' Last Exam 与 Opus 5 持平或略高
• 越难的越明显落后：Terminal Bench 4.0（34.9 对 Opus 5 的 49.0）、ProgramBench、漏洞利用类（ExploitBench 47.9 对 70 到 78.5）差距都很大
• Flash 很能打：编程和通用 agent 类大多只比 Pro 低 1 到 4 分（Terminal Bench 4.0 差 6 分），价格却只有 Pro 的三分之一；差距大的是漏洞利用类，ExploitBench 只有 25.3
• 对比对象是上一代闭源：表里没有 Claude Fable 5.1 和 GPT-6 Astra。官方博客附录倒是加了这两家，还加了 DeepSeek V4.1 Flash，按那张表，DeepSeek V4.1 Flash 在 DeepSWE（74.2）和 Terminal Bench 2.1（90.6）上都比 V2.6 Pro 高一点

几个口径上的提醒：

• 对比模型凡是能调推理强度的，都按最高档（max）测
• CyberGym 是小米修正过有缺陷的评测环境后跑的，和别家公布的 CyberGym 分数不一定能直接比
• MiMo Code Bench、MiMo Cyber Bench、MiMo Visual Coding 是自家内部基准，外面没法复现
• 博客附录里别家模型的分数和各家自己公布的不完全一致。比如 GPT-6 Astra 的 Terminal-Bench 4.0，博客写 59.6，本站 GPT-6 Astra 时讯 按 OpenAI 发布页转引的是 57.7；DeepSeek V4.1 Flash 的 Terminal Bench 4.0，博客写 26.8，DeepSeek 技术报告写 31.2。拿来对比时，以各家自己的官方数字为准

Artificial Analysis：官方博客称 Pro 在 Artificial Analysis 智能指数 v4.3（2026 年 9 月）上得 46.32，超过 Kimi K3 和 Qwen3.8 Max，是开源模型里的最高分；在「智能对每题成本」的散点图上也落在帕累托前沿。注意这是 v4.3 版指数，别处引用的如果是其他版本的分数，不能直接放在一起比。本站抓取 Artificial Analysis 页面没有成功，这个分数按小米博客的口径照抄。

发布后的补丁：MOPD 版

发布之后，小米发现最影响体验的问题是工具调用重复：在 MiMo Desktop、MiMo Code、OpenCode 这类 agent 场景里，模型有时会一遍遍发出相同或高度相似的工具调用，时间和上下文都耗掉了，任务却没往前推。

• 有多常见：官方的测量口径是「同一轮里参数完全相同的调用」，这只是下限（不算跨轮重复、参数略有不同的近似重复，也不算在脚本里间接调工具的情况）。按这个口径，修复前 Pro 在 OpenCode 里是 0.54%，Flash 是 1.02%，其他框架在 0.05% 到 0.27% 之间
• 哪来的：强化学习里本来有一条惩罚，一轮超过 32 次工具调用就判零分。可门槛太松，32 次以下的「狂调」不受罚，训练中被一点点放大
• 笨办法太贵：把门槛降到 8 次重训，要重跑约 20 步混合强化学习，估算 231 万美元，而且在内部复现集上重复率只从 13.45% 降到 3.83%，治不干净
• 最后怎么修的：先用内部收集的重复样本训一个专治这个毛病的单轮教师（12 步、约 7000 条样本），再通过 MOPD 蒸馏进主模型。整轮花了约 9 万美元，是笨办法的 4%。官方说修完后各框架、各上下文长度下的重复率都大幅下降，其他基准表现保持稳定，但 MOPD 模型卡没有另给一张新分数表
• 你要做什么：用 API 的不用改，09-25 06:00 起 mimo-v2.6-pro、mimo-v2.6-flash 背后已经是新版本；自己部署的，换成 09-27 放出的 MiMo-V2.6-Pro-MOPD 或 MiMo-V2.6-Flash-MOPD 权重

API 与价格

终于到了洛洛百分之百看得懂的部分：多少钱。

官方价格（人民币 / 每百万 token，实时推理，价格页标注更新于 2026-09-22）：

海外美元价（每百万 token）：Pro 为 $0.0036 / $0.435 / $0.87，Flash 为 $0.0028 / $0.14 / $0.28，UltraSpeed 为 $0.036 / $4.35 / $8.7，顺序同上表。

几个要注意的点：

• 和 V2.5 同价：价格页里 v2.6-pro 和 v2.5-pro、v2.6-flash 和 v2.5 分别写在同一行。V2.5 两个模型计划 2026-10-21 10:00 下线，还在用的得迁移
• UltraSpeed 贵 10 倍：三项单价都正好是 Pro 的 10 倍，官方说质量不变、输出最高快 20 倍，适合实时交互。API 是定制服务要联系小米开通，MiMo Desktop 里也上线了这个模式
• 批量推理半价：Batch API 下 Pro 是 ¥0.0125 / ¥1.5 / ¥3，Flash 是 ¥0.01 / ¥0.5 / ¥1；UltraSpeed 不支持批量推理
• 缓存写入限时免费；联网搜索另算，国内 ¥16 / 1000 次，海外 $5 / 1000 次，不含在 token 价里
• 接入：兼容 OpenAI 和 Anthropic 两种协议，OpenAI 协议的地址是 https://api.xiaomimimo.com/v1；也可以买包月包年的 Token Plan，或在 OpenRouter、AI Studio、MiMo Code、MiMo Desktop 里用

放在一起看：本站写过的 DeepSeek-V4.1-Flash 高峰价是输入 ¥2、输出 ¥8（闲时减半）。MiMo-V2.6-Flash 是 ¥1 / ¥2，Pro 是 ¥3 / ¥6，都在同一个便宜档位里。

价格和限额随时会调整，以官方价格页为准。

对你意味着什么

洛洛按人群分了一下，你对着自己那条看就行。

• 本站用户：洛洛 AI 的模型选择里，「国产」那组有 MiMo V2.6 Pro，经 ZenMux 调用，每问 1 核，和 Gemini 3.8 Flash、DeepSeek V4 Pro 同属「轻快」档。本站给它设的是推理强度 low、单次回答最多 2048 token；它在 ZenMux 上不支持强制调用工具，所以打开「联网」时是在提示词里要求它先搜。洛洛 AI 目前只能发文字，全模态这项在站内用不上。苹果核截至 2026-09-29 还在试运行，只显示不真扣，计划 10 月 13 日起正式扣，规则见 苹果核规则。另外，本站是 09-24 接入的，当时实测的是修复前的版本；ZenMux 那边是否已切到 09-25 的新版，洛洛从外面没法确认
• 调 API 的开发者：价格没变，模型名从 v2.5 换成 v2.6 就行，记得赶在 10-21 V2.5 下线前迁完。做 agent 的，之前遇到过「工具调了又调」的情况，可以重新测一遍，09-25 之后已经是新版本了
• 想自己部署的：权重是 MIT，改、商用、蒸馏都行。但 Pro 是 1.02T，官方给的 SGLang 示例要两个节点；Flash 309B 门槛低一截。只想研究强化学习的，那个 9B 蒸馏模型加开源环境是更现实的起点
• 需要处理音视频的：Pro 和 Flash 都能直接吃图片、视频、音频，不用再外挂一个语音识别或看图模型。洛洛做小红书视频时最想要的就是这个，把一段素材丢进去让它直接出分镜笔记
• 对速度敏感的：UltraSpeed 快是快，但单价是 Pro 的 10 倍，而且 API 要单独开通。先想清楚你的场景是真的卡在速度上，还是卡在别的地方

局限

• 全是厂商自测：对比对象主要是上一代闭源模型，而且在 Terminal Bench 4.0、ProgramBench、漏洞利用这类更难的任务上仍然明显落后
• 自家基准多：三个 MiMo 自家基准外部没法复现，CyberGym 又是修正过环境后跑的，这几项的分数参考价值要打折扣
• 工具调用重复：已经修了，但官方的测量口径只是下限，跨轮重复和近似重复都没算进去。长任务上请自己盯一下
• 数字口径不统一：Flash 参数模型卡写 309B、技术报告写 310B；强化学习成本博客写 $2.62M / $0.85M、报告写 $2.6M / $0.9M；MiMo Cyber Bench 上 Pro 的分数，模型卡写 80.2、博客附录写 81.7
• 部署门槛高：Pro 的 1.02T 参数不是个人电脑能跑的，UltraSpeed 也不对所有人开放

洛洛写完这篇最大的感受是：这次真正让人记住的不是哪个分数，而是小米把训练花了多少钱、踩了什么坑、补丁又花了多少钱，一笔一笔都写了出来。模型会被超过，但这种把账摊开讲的做法，洛洛希望多一点。

数字都会过期，看到这篇的时候记得回官方页面对一眼。更多新模型速览在模型时讯。洛洛先去把期末周那八个文档关掉几个。

参考来源

官方：

• 小米 MiMo 发布博客《Introducing MiMo-V2.6 series》（发布日期、UltraSpeed、Artificial Analysis 分数、强化学习成本与步数、美元价格、附录评测）：https://mimo.xiaomi.com/mimo-v2-6（2026-09-22）
• 技术博客《Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6》（工具调用重复、修复成本、API 09-25 切换、MOPD 权重、Desktop 额度重置）：https://mimo.xiaomi.com/blog/mimo-v2-6-tool-call-repetition（2026-09-27）
• 技术报告《MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement》（架构、预训练数据量、强化学习、MOPD2、评测设置、开源环境）：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL/blob/main/MiMo_V2_6_technical_report.pdf（2026-09-22）
• Hugging Face 模型卡 MiMo-V2.6-Pro-RL（参数、结构、评测表、MIT 协议、部署示例）：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL（2026-09-22）
• Hugging Face 模型卡 MiMo-V2.6-Flash-RL：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-RL（2026-09-22）
• Hugging Face 模型卡 MiMo-V2.6-Pro-MOPD：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-MOPD（2026-09-27）
• Hugging Face 模型卡 MiMo-V2.6-Flash-MOPD：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-MOPD（2026-09-27）
• Hugging Face 模型卡 MiMo-V2.6-Distill-Qwen-9B：https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B（2026-09-22）
• MiMo 开放平台模型页 MiMo-V2.6-Pro（模态、上下文、最大输出、人民币与美元价格、限流）：https://mimo.mi.com/models/zh-CN/mimo-v2.6-pro（查阅于 2026-09-29）
• MiMo 开放平台模型页 MiMo-V2.6-Flash：https://mimo.mi.com/models/zh-CN/mimo-v2.6-flash（查阅于 2026-09-29）
• MiMo 开放平台 API 定价（UltraSpeed 人民币价、批量推理价、联网搜索价、V2.5 下线时间）：https://mimo.mi.com/docs/zh-CN/price/pay-as-you-go（页面标注更新于 2026-09-22，查阅于 2026-09-29）
• MiMo 开放平台模型列表（UltraSpeed 规格与限流）：https://mimo.mi.com/docs/zh-CN/quick-start/summary/model（页面标注更新于 2026-09-22，查阅于 2026-09-29）
• MiMo 开放平台模型发布日志（V2 / V2.5 / V2.6 发布日期与能力说明）：https://mimo.mi.com/docs/zh-CN/updates/model（页面标注更新于 2026-09-22，查阅于 2026-09-29）

本站：

• 苹果核规则（每问扣几核、试运行与正式扣费时间）：/docs/faq/apple-core
• 本站接入 MiMo V2.6 Pro 的日期（2026-09-24）、推理强度和单次输出上限来自站点配置与维护记录，没有可公开引用的页面