小米那场持续近六天的强化学习训练直播，交出了正式版本。
今天，9 月 22 日，AI 圈热闹的很，除了 Grok 发布之外，MiMo-V2.6 系列也同时发布，MiMo-V2.6 包含 Pro 和 Flash 两款原生全模态模型。Pro 主打能力上限，Flash 兼顾速度和成本；两款模型都能理解文字、图片、视频和音频，支持 100 万 Token 上下文。
这次的演示相当丰富：搭一个能玩的 3D 世界，在 Blender 里做汽车，操作机械臂，再做网页、PPT 和视频。下面就沿着小米的官方评测与演示，看看它具体交出了什么。
新一代的斩杀线，即使是 Flash 也超过之前的 Pro
小米公布的 Artificial Analysis 综合智能指数中，MiMo-V2.6-Pro 得到 46.32 分，位列这次发布所展示榜单的开源模型首位，高于 Kimi K3 和 Qwen3.8 Max。榜单上的 Claude Fable 5.1、GPT-6 Astra 等闭源模型仍有更高成绩。
在长程软件工程测试 DeepSWE v1.1 中，Pro 是 71.9，Flash 是 67.9，上一代 V2.5-Pro 是 19.0；通用流程测试 AutomationBench 的三个成绩分别是 53.1、52.3、16.0。Terminal Bench 2.1 中，Pro 达到 89.9，Flash 达到 87.6。
Flash 它的 DeepSWE 得分是 67.9，上一代 Pro 是 19.0，这太夸张了，而且和新 Pro 的距离并没有名字看上去那么远。
要把模型接进日常工作流的人，便宜那一档进步了多少，很值得关心，现在可以说是量大管饱了。
与其他旗舰比较则各有输赢。例如 Pro 的 AutomationBench 得分高于表里的 Claude Opus 5 和 GPT-5.6 Sol，ProgramBench 的 26.5 分又低于 Opus 5 的 37.0 分。小米这轮已经把不少 Agent 成绩追到了同一个水平区间。
支撑这些变化的，是前面公开直播的那轮 RL，也就是强化学习：让模型在任务环境中尝试，根据结果获得反馈，再调整后续行为。
官方披露，本轮 Flash 和 Pro 的训练成本分别约为 85 万美元、262 万美元，各完成 30 步更新。
从 Vibe Coding 到 Vibe World
过去说 Vibe Coding，最常见的是描述需求，让 AI 写出网页或应用。小米这次把目标延伸到了有空间、有物体、能交互的场景，称为 Vibe World。
3D 开放世界游戏
先看海岛建设。画面里有海岸与道路，还能看到建筑和建设菜单，玩家可以选择建筑、放置设施，镜头也能在场景里移动。几种系统已经被放到同一个可操作的游戏画面中。
按官方介绍，这类任务会拆给多个 Agent，分别处理场景、交互和视觉检查，再根据渲染出来的画面修正。做过原型的人应该很熟悉：代码能跑以后，还得把画面打开，看看它到底长成了什么样。
Blender 3D 建模
汽车这例展示得很清楚：先是线框，再是白色模型，随后出现车身材质、玻璃和轮胎，最后切换颜色并旋转观察。
这类三维资产可以继续进入动画、游戏或 3D 打印流程。对使用者来说，能拿到一个继续编辑的模型，比只拿到效果图多了一步实际用途。
具身智能
这段演示发生在仿真环境中，模型通过相机画面判断物体位置，控制 Franka Panda 机械臂完成动作。
任务是颜色归位：红色方块放到红色圆垫，蓝色方块放到蓝色圆垫，完成后松开夹爪、移开机械臂。
从“看见物体”到“把物体放对地方”，中间还要持续观察动作结果。这也是多模态能力和工具操作结合以后，很有意思的一种用法。
直接操作电脑软件
回到电脑上，官方展示了模型通过图形界面完成任务。这例是在 Canva 里编辑烘焙店宣传页面，调整图形和版面。
这些任务要求模型把屏幕上的菜单、控件和对象认出来，再一步步操作。很多专业软件积累了大量功能，能用好现成软件，本身就有价值。
网页、PPT 和视频，这次也展示了不少作品
杂志式网页
气候报道页面像一本杂志：浅色底上使用衬线字，配合留白和大图，适合承载需要慢慢阅读的内容。
这个页面的图片、标题和正文位置都比较克制，没有把所有元素挤在一起。
团队培训 PPT
这份演示文稿用于工程团队内部培训，讲大语言模型如何学习。下面是它的封面。
视频制作
团队介绍这例更接近公司日常会用到的宣传素材：品牌开场后，人物群像和个人介绍沿着统一的版式依次展开。
网页里的字体、配色和排版，到了视频里还要加上时间顺序。这组案例把两种设计工作接在了一起。
音乐创作
音乐方面，官方还展示了一首约十种乐器参与的管弦乐作品。模型先写乐谱，再转换为 MIDI，下面是编曲软件播放多条乐器轨道的画面。
科研案例里，已经有具体的工作成果
材料研究这例，小米的研究人员让 Pro 帮忙寻找金属有机框架材料，用来吸附 PFAS“永久性污染物”。模型参与文献与专利检索、方案设计，再调用计算工具模拟结合强度，筛出候选材料，供后续实体实验验证。
数学这例则围绕经典的“周期三蕴含混沌”定理。在研究员制定的探索策略下，模型协助把定理和证明写成 Lean 4 代码。经过修订和整合，最终形成 6000 余行源码，并通过 Lean 内核检查。
价格没涨，Desktop 同步上线
MiMo-V2.6 延续 V2.5 的 API 定价。按每百万 Token 计算，Pro 常规输入 3 元、输出 6 元；Flash 常规输入 1 元、输出 2 元。
MiMo Desktop 也同步上线正式版，可以通过订阅使用新模型，或配置自己的 API Key。此前拿到邀测资格的用户，官方给出了一周过渡期，需要切换到新模型名称继续使用。
Pro 另外提供 UltraSpeed 模式，官方称最高可达到 20 倍输出速度。这一档单独计费，常规输入和输出价格都是普通 Pro 的 10 倍，适合把响应速度放在更高优先级的任务。
开放的资源还包括模型权重与技术报告，配套 7K+ RL 任务环境，以及一个蒸馏模型和训练框架，供社区继续研究强化学习。
罗福莉为什么说，要走这条“难路”？
发布当天，罗福莉在 X 上写了一篇长帖，谈这次扩大强化学习训练规模的经历。
她提到，团队让几十个人在较长时间里围绕规模化 RL 工作；在她看来，这次背后的研究创新和工程挑战，超过了自己曾参与部分工作的 DeepSeek R1。
帖里有一段技术解释很值得读：MixRL 和 MOPD 可以配合使用。
MixRL 可以理解为把不同类型的任务放在一起训练。编程、工具调用等任务，如果难度合适、结果能验证，就适合混合着练。罗福莉说，这样训练出来的模型表现出了很好的泛化能力。
但有些任务很难判断对错，有些流程特别长，还有些对当前模型来说太难。把它们全部塞进同一轮训练，会让任务执行效率下降，或者让采集到的轨迹相对当前模型变得滞后。
团队因此把这些任务单独训练，再通过 MOPD 这样的蒸馏方法，把学到的能力汇集起来。她举的例子，正包括游戏、3D 和依赖主观评价的任务。
用一个粗略的比喻：有些课适合放到一起练，有些需要单独练，最后再把各项本领用到同一个模型上。上面那些看起来跨度很大的演示，背后也有相应的训练安排。
我对这段话的理解是，继续增加 RL 投入时，“让模型做什么题、结果怎么判、哪些任务一起练”都会影响最后能学到什么。算力之外，训练环境和反馈方法也要跟着改进。
从这次的结果看，后训练还有不少潜力。小米把成绩、案例和训练方法一起摆出来了。接下来，就看这些能力在实战中的表现了。
以上就是这次的侦察。
如果对你有用，顺手点个赞 +「♥️」。
想第一时间收到前线情报，关注「硅基斥候S01」。我们，下次侦察见。
