4
0Episode: MiMo-V2.6发布：46分登顶开源，价格不变
Duration: approximately 8 minutes
Level: 入门
---
[Mike]: 欢迎来到从零开始学AI！先问你一句，一个模型自己跟自己练了半年，最后交卷的那一刻，你觉得最该涨的是什么？
[Sarah]: 答案可能有点反直觉。小米今天正式发布并开源了MiMo-V2.6，智能涨了一大截，价格那一栏一个字都没改。
[Mike]: 老规矩，先讲概念再看新闻。这次官方反复提一个词，RSI，递归自我改进，说白了就是让模型在试错里自己越变越强。
[Sarah]: 怎么自己变强？靠的还是强化学习。老比喻，考试、对答案、再考一遍，分数一点点往上挪。上一期我们带大家看过他们的训练直播间，账单按秒跳，这期直播结束了，成绩单出来了。
[Mike]: MiMo-V2.6有两个版本，Pro和Flash，都是原生全模态，文本、图像、视频、音频都能进。官方说这半年就研究了一件事，把强化学习的算力能堆到多大。
[Sarah]: 先看分数。在Artificial Analysis Intelligence Index，也就是AA综合智能指数上，MiMo-V2.6-Pro拿了46分。
[Mike]: 46分什么概念？它超过了Kimi K3和Qwen3.8 Max，是目前最强的开源模型。
[Sarah]: 但前面还有人。最强的闭源模型Claude Fable 5.1和GPT-6 Astra还在它上面，差距还在。
[Mike]: 再看价格。V2.6沿用V2.5的API定价，智能提升，标价不动。官方给了个说法，同等智能水平下，价格大概是海外模型的1/20到1/60。
[Sarah]: 听起来很爽，但钱烧在哪？毕竟上一期我们算过，直播那会儿一小时约3万美元。
[Mike]: 完整训练历时不到6天，Flash花了约85万美元，Pro约262万美元，各完成30步，累计约75万条轨迹。
[Sarah]: 效果上，训练任务平均通过率相对提升了25%和12%。样本外的长程软件工程评测DeepSWE v1.1，Flash从48.8提到65.7，Pro从58.4提到72.6。
[Mike]: 关键是样本外也涨，说明不是把题库背下来了。
[Sarah]: 钱主要砸在三个方向。第一个是更大批量、更高吞吐，单次更新用1568个样本，支持100万上下文长度，单步训练Token达到3.5～3.7B。
[Mike]: 第二个是更多任务和更复杂环境，代码、通用、视觉、网络安全四类一起练，还混了多套工具链，逼着模型长出通用本事。
[Sarah]: 第三个最有意思，给打分本身加算力。同一道题的多种尝试放一组里互相比较，才能判断长任务里哪一步真正扭转了局面，模型才知道该往哪使劲。
[Mike]: 细节上他们冻结了MoE的Router，防止专家负载乱漂，又建了一整套防线防奖励作弊，训练才稳得住。
[Sarah]: 概念和账都对上了，这次发布还有个新提法，从Vibe Coding到Vibe World，不只写代码了，直接搭世界。
[Mike]: 三个例子。输入图片、视频或文字，多智能体自己拆任务，搭3D场景、写交互逻辑、做视觉验证，还能根据渲染结果改，最后交出一个能玩的游戏世界。
[Sarah]: 还能在Blender里做三维建模，动画、3D打印、游戏素材都能直接用。
[Mike]: 最直观的是具身智能，把多视角相机画面当输入，持续推理决策，指挥一只Franka Panda机械臂抓东西、对颜色、精准放置。
[Sarah]: 电脑操作也升级了，看得懂复杂界面，会用办公软件查资料、改数据，还能看着屏幕反馈自己检查、返工。
[Mike]: 这些能力没专门针对科研训过，但已经能干活了。小米前沿材料团队让它找能吸附PFAS的金属有机框架材料，PFAS就是那种很难降解的永久性污染物。
[Sarah]: 它先翻文献和专利提方案，再调开源计算工具做干实验，算出材料和污染物的结合强度筛一遍，挑最有希望的送去真正的湿实验。
[Mike]: 数学那边更狠，Lean 4里把周期三蕴含混沌这篇经典论文的主定理完整形式化，6000多行源码，全过内核核验，没有留一处未完成的占位。
[Sarah]: 它从没受过Lean的专项训练。这句话的分量在于，复杂形式化证明这件事，它先摸到了门。
[Mike]: 设计和创作上，Design Arena榜单里Pro和Claude Opus 5、GPT-5.6 Sol打得很近，前端、PPT、视频、音乐全都动了。
[Sarah]: 视频能端到端做完整流程，视觉设计、镜头动效、配乐卡点一路排下来，还能调MiMo-V2.5-TTS配旁白。音乐那条更妙，一首约十种乐器的管弦乐，它自己生成乐谱，再转成MIDI。
[Mike]: 最后是开源。模型权重、技术报告全开，还带上了MiMo-V2.6-Distill-Qwen-9B和配套的RL研究资源。
[Sarah]: 里面有7k多个高质量RL任务环境，覆盖软件工程、漏洞复现、知识型工作、网页设计四类。拿那个9B小模型当起点练，11项评测全线超过SFT基线，SWE-bench Verified从61.1提到66.2，终端任务2.1从37.1提到52.8。
[Mike]: 端到端训练框架也开了，基于verl、uni-agent和mini-swe-agent，从环境交互到策略优化一整套。还有一组极简harness，系统提示、工具、上下文管理是拆开的，谁都能自由组合。
[Sarah]: 用法上，MiMo Desktop同步上线，订阅会员或者配自己的API Key都行，Pro和Flash都给了UltraSpeed，最高20倍推理速度。对了，调接口时模型名记得全小写。
[Mike]: 说到这我还惦记着上一期那个账单。6天烧掉的钱，换回来的其实不只是两个模型。
[Sarah]: 开源清单里那7k多个训练环境，就是当初练出它们的考场。
[Mike]: 也就是说，这次交出来的不只是成绩单，连出题和判卷的那套东西也一起开了，谁想接着往下练，门是敞着的。
[Sarah]: 官方在技术报告里引了一句古文，夫夷以近，则游者众；险以远，则至者少。在一个智能容易被复制的时代，他们把算力投进真实环境，让模型在反馈里一次次试错。
[Mike]: 走的人多的路好走，但风景是别人的。感谢收听从零开始学AI，把这期转给那个总问AI会不会取代他的朋友吧，我们下期见！
[Sarah]: 下期见！
