小米 MiMo-V2.6 开源：双版本登顶 AA 指数开源榜

据小米 MiMo 官方模型卡与 Hugging Face 发布页面，9 月 21 日小米一次性放出 MiMo-V2.6 系列三款权重：旗舰 MoE 版 MiMo-V2.6-Pro-RL、效率版 MiMo-V2.6-Flash-RL，以及基于 Qwen3.5-9B 蒸馏的 MiMo-V2.6-Distill-Qwen-9B。Pro 版为 1.02 万亿总参数、42B 激活参数，Flash 版约 309B 总参数、15B 激活参数，两款均按 MIT 协议开放权重，上下文窗口标称 100 万 token。在第三方开源模型榜单上，这一系列已超过此前的国产开源旗舰，成为当前排名最高的开源权重模型。

一次放出三款权重，而不是一个检查点

这次发布的结构需要拆开看。Pro-RL 与 Flash-RL 是同一系列的两种规模档位，Distill-Qwen-9B 则是给智能体强化学习研究准备的入门件：它不是在 Pro 上做压缩得到的，而是在 Qwen3.5-9B 上用 MiMo 生成的数据做监督微调得到的稠密模型。据 Brocker 的报道，小米同时公开了训练动力学、强化学习环境与一套 RL 框架，蒸馏版只是配套的研究起点。

对国内开源生态来说，「把训练过程一起交出来」比单纯放权重更有分量：外部团队可以沿着公开路径复现，而不是只拿到一个结果。三款权重同日出现在 Hugging Face 同一个 collection 里，也说明小米把这次发布当成一个产品组合，而不是单个模型。

参数与定价：稀疏 MoE 的两档选择

据小米 MiMo 模型卡，两个主力版本的规格如下。

版本	总参数 / 激活参数	上下文	开源协议
MiMo-V2.6-Pro-RL	1.02T / 42B	100 万 token	MIT
MiMo-V2.6-Flash-RL	约 309B / 15B	100 万 token	MIT
MiMo-V2.6-Distill-Qwen-9B	9B 稠密	未公布	研究起始件

架构上没有走激进路线：两款主力模型都采用滑动窗口与全局注意力混合的方案，配一个 6.81 亿参数的视觉编码器、若干音频编码器，以及一个 5 层的多 token 预测投机解码器。官方 API 的定价分成三档，Pro 档为每百万 token 输入 0.0036 美元、缓存命中 0.435 美元、输出 0.87 美元，Flash 档为 0.0028、0.14、0.28 美元；另有一个叫 Pro-UltraSpeed 的低延迟档，价格为 0.036、4.35、8.7 美元，官方称推理速度最高提升 20 倍。

缓存命中价与未命中价相差上百倍，这个结构本身就在引导调用方把长系统提示词与固定知识放进缓存。对批量跑任务的工作室来说，这段价差往往比模型总分更能决定月度账单。

评测数字怎么读

模型卡给出的对比表里，Pro 在 DeepSWE v1.1 上得 71.9 分，Flash 得 67.9 分，对面 Claude Opus 5 为 74.0、GPT-5.6 Sol 为 73.0、Claude Fable 5 为 70.0。AutomationBench v1.0.6 上 Pro 为 53.1，高于表中并列的三个闭源对手；而在 Terminal Bench 4.0 上，Pro 只有 34.9，落后于 Opus 5 的 49.0。网络攻防类出现明显分化：CyberGym 与小米自建的 MiMo Cyber Bench 分数很高，ExploitBench 上 Flash 只有 25.3，与 Opus 5 的 70.0 差距很大。

这些数字全部出自厂商自建的评测框架，Hugging Face 卡片标注为「vender-published」，尚未有第三方独立复现。不同套件之间也不可互换，例如网络攻防能力在两个基准上的排名差异就相当大。对使用者而言，更有意义的做法是在自己的任务集上重测，而不是直接采信总榜排序。

训练侧的三个变化

技术报告披露的关键设置包括：异步 GRPO、每步 1568 条提示词乘以 16 次采样的大批量、训练过程中的路由冻结，以及强化学习之后的 MOPD2 蒸馏。小米把这次训练描述为「一次混合强化学习同时覆盖编码、通用智能体、视觉任务与网络安全」，也就是不再为每类能力单独训一个模型，而是让同一轮强化学习照顾多个目标。

训练透明度：官方表示会开源训练动力学数据、强化学习环境与 RL 框架，而不只是最终权重。
能力覆盖：编码、通用智能体、视觉与网络安全四类任务共享一次强化学习流程。
蒸馏件定位：9B 版本服务于智能体强化学习研究，配 SGLang 与 vLLM 的部署指引。

这条路线与近期国内开源模型的走势一致：把后训练阶段的可复现性与透明度当作竞争力的一部分，而不只是比参数和榜单。

对开发者和一人公司的实际意义

MIT 协议意味着权重可以商用，本地部署的合规顾虑少；100 万 token 上下文对长文档处理和代码库级检索友好了不少。但 1.02 万亿参数的 MoE 自托管门槛极高，真正能落地的路径大致两条：数据不能出内网的场景用 Flash 版本配合量化部署，其余场景直接调用 API，用缓存命中价压低长期成本。对一个人的工作室来说，决定成本的往往不是单价本身，而是能否把固定上下文压进缓存、把任务切成可并行的短调用。

部署与生态：三款权重各自的用法

三款模型对应的使用方法并不相同。Pro-RL 面向对能力上限要求最高的任务，官方给出的部署路径是多机张量并行，单机很难承载完整的 1.02 万亿参数；Flash-RL 的总参数量降到约 309B、激活参数 15B，配合量化后对高端显卡集群更友好，是私有化部署里更现实的选择；Distill-Qwen-9B 是 9B 稠密模型，单卡即可运行，官方同时提供了 SGLang 与 vLLM 的部署指引，适合先跑通流程再决定要不要上大模型。选择顺序上，比较务实的做法是先用蒸馏版或 Flash 版验证任务可行性，确认收益之后再评估是否调用 Pro 档 API。