9月22日，国内大模型领域的多家头部企业，在同一份排行榜上，被一个“跨界”的参与者——小米，超越了。
当天，小米正式发布并开源MiMo-V2.6系列，其中旗舰版Pro版本在Artificial Analysis综合智能指数中取得46分，超越了GLM-5.3、Qwen3.8 Max等模型，位居全球开源模型首位。
很多人可能没有直观感受，上一代MiMo-V2.5-Pro在该指数中仅为26分。短短数月，分数提升了20分。
与此同时，MiMo-V2.6的定价也极其低廉。根据小米的测算，在同等智能水平下，其调用价格仅为海外同类模型的1/20至1/60。 能力有所提升，API定价却与上一代保持一致。
然而，小米专门组建团队投入大模型的时间并不长。2023年4月才成立大模型核心团队，2025年4月才发布首个开源大模型。到此次登顶，距首次开源尚不足一年半。
大多数人对小米的印象，很可能还停留在手机、汽车，以及在发布会上神采飞扬的雷军。
为何突然间，小米的大模型就站到了台前？
MiMo，成为新的“斩杀线”
实际上，所谓的开源第一，仅是小米此次成绩的冰山一角。
先看编码能力。根据小米公布的评测结果，在考察多步骤、长流程软件工程能力的DeepSWE v1.1中，MiMo-V2.6-Pro获得71.9分，GPT-5.6 Sol为73分，Claude Opus 5为74分，三者已相当接近。
而在让AI调用工具、连续完成任务的项目中，小米同样有亮眼表现。在考察跨工具协作的Toolathlon-Verified测试中，它获得76.9分，高于GPT-5.6 Sol的74.9分；在考察通过图形界面操作电脑的OSWorld-Verified中，小米得分为82分，GPT-5.6 Sol和Claude Opus 5分别为83分、83.4分。
实际上，这些项目比普通聊天更贴近我们对AI的期待：给它一个任务，它需要自行找到工具、执行操作，最终完成任务。在手机都开始引入Agent的当下，仅靠“耍嘴皮子”已难以满足用户期望。
不过，以上具体项目的成绩来自小米公布的评测。再看第三方机构Artificial Analysis统计的任务成本，反差更为显著。
在这套智能指数评测中，MiMo-V2.6-Pro的加权平均每任务成本为0.13美元，GPT-5.6 Sol（max）为1.99美元。Claude Opus 5.5采用中等推理档位，对应成本也达到1.34美元，指数得分为51分。
或者更直接地看一组直观数字：假设按这套评测的任务构成和平均成本，执行一万次任务，小米对应费用约为1300美元，而Claude约为13400美元，GPT约为19900美元。
这笔账不能直接作为实际业务报价，但在这套评测口径下，小米的任务成本，确实仅为上述Claude版本的约十分之一、GPT版本的约十五分之一。
因此，将模型的能力与成本放在一起，就不难理解为何有媒体将小米MiMo-V2.6称为新一代大模型“斩杀线”。
如果模型的综合成绩低于小米，调用成本却高于它，用户为何还要选择你？ 想卖得更贵，就必须在用户所需的任务上，提供更好的效果、更快的速度，或更可靠的交付。
只不过，过去提到大模型的“斩杀线”，大多是DeepSeek、Qwen、Kimi，没想到今天竟被小米拿下这个称号。
回顾上一代，在小米公布的同一组对比中，MiMo-V2.5-Pro的DeepSWE成绩仅为19分，Toolathlon-Verified为49.1分。仅过了一代，这两个成绩分别提升至71.9分和76.9分。
成绩大幅提升，API价格却未上涨。这才过了几个月，小米究竟是如何做到的？
小米也成了“后强化学习”仙人
小米此次推动模型进步的关键，是强化学习。
可以将训练大模型理解为培养一名程序员：先通过阅读大量资料和代码，学习基础知识；接下来，让他接手项目进行实习，自己尝试解决问题，再根据实际结果调整方法。
而强化学习就像后面这段实习。模型在执行任务时，训练系统根据其表现给予奖励，再通过更新模型，使有效的做法更易在下一次出现。
不过，实习也需要讲究方法。总做同一种简单任务，无法培养处理复杂问题的能力；交上来的成果无人认真检查，则可能误入歧途。
而小米此次主要改进的，就是练多少、练什么，以及如何判断练得好不好。
首先，是让模型充分尝试。
根据小米披露的训练配置，一次更新包含1568个任务提示，每个提示生成16条执行轨迹。这相当于让模型针对同一任务尝试多种方法，记录操作过程和结果，作为后续训练的材料。
用于训练的任务也多种多样，包括写代码、调用工具、处理视觉信息、解决网络安全问题等。最终模型不仅能学会完成不同工作，还能适应不同的工具和执行环境。
不过，训练中更困难的部分，是如何判断模型做得好不好。
假设两份方案都完成了任务，第一份用了十几个步骤，第二份一步到位；如果评分只分“成功”和“失败”，那么更迅速、更高效的第二份方案，也只能获得与冗长方案相同的奖励。
这显然无法真正鼓励模型采用更高效简洁的方案完成任务。
因此，小米的做法是，将同一任务的多份方案放在一起比较。评判系统结合任务要求制定评价标准，区分这些方案的质量，再将更多奖励分配给表现更好的方案。 这样一来，即使都做对了，也能继续分出高下，引导模型减少绕路和不必要的消耗。
这里还需防范模型钻空子：找到一种能获得高分的办法，却未真正完成任务，那是万万不可的。小米为此加入了对抗评估、异常检测，以及不同验证器之间的交叉检查，尽量避免模型将“糊弄评分系统”练成技能。
此前罗福莉团队公开展示的训练过程，就让外界看到了这套方法如何运行。
在不到6天的这一轮强化学习中，Flash和Pro各完成30步更新，每个版本处理约75万条任务执行轨迹。随着训练推进，两个版本在训练任务上的平均通过率，分别相对提升了25%和12%。
不过，也正是这不到6天的时间里，MiMo-V2.6 Flash和Pro的训练成本分别约为85万美元和262万美元，合计约347万美元，平均每天超过58万美元，每小时达到约3万美元，即约20万元人民币。
这轮强化训练的效果，也体现在了“练习册”之外的题目上。在未用于这轮训练的DeepSWE v1.1软件工程评测中，Flash从48.8分提升至65.68分，Pro从58.4分提升至72.57分。
小米探索的自我改进，就这样形成了一个循环：模型尝试完成任务，评判系统比较方案，再将反馈用于下一轮训练。模型持续进步，新的尝试又能为后续训练提供材料。
此次，小米还将技术报告、训练环境和强化学习代码一并开放。外界除了使用模型，也能进一步研究它是如何训练出来的。
因此，现在的小米拥有了能竞争的模型，也拿出了自己的训练方法和研究工具。那么现在的小米，究竟算不算一家大模型公司？
小米，算一家大模型公司吗？
如果只看小米目前做到的，它已经算是一家不折不扣的大模型公司了。但对小米来说，它可能并不满足于仅做一家大模型公司。
毕竟，小米手中除了模型，还有手机、汽车、智能家居，甚至有自己的玄戒芯片。这些产品如果能与MiMo结合，值得想象的产品，就远不止一个聊天应用了。
豆包手机就是一个很好的案例。通过与努比亚合作，豆包手机助手被深度整合进操作系统，用户只需用自然语言提出要求，AI就可以尝试跨应用执行任务。它展示了“一句话让手机帮忙办事”的可能性。
而海外最近大热的Muse，则展示了个人Agent的另一种吸引力。根据Meta的介绍，用户可以让它安排出行、处理邮件、协助购物，它会打开浏览器、填写表单，并在需要授权时回来询问用户。用户关闭应用后，耗时的任务也能继续执行。
一个将AI放入手机系统，一个让AI持续替用户办事。顺着这两个方向思考，小米有没有可能做出一部自己的“MiMo手机”，或者一个原生集成在系统中的“小米版Muse”？
MiMo提供理解需求、调用工具和执行任务的能力，小米可以在自己的系统中设计相应功能，再通过手机让用户使用。自研玄戒芯片，则让它有机会进一步针对端侧AI的算力、功耗和内存需求进行优化。从芯片到系统，再到模型和整机，小米现在能参与的环节已经相当多了。
而且，小米的想象空间远不止手机。
比如一句“明天带孩子出去玩，别太累”，AI能否结合天气、路程和用户偏好，安排目的地与行程，再将确认好的路线同步给车机？用户无需在几个应用之间来回切换，也无需将相同要求向不同设备重复一遍。
如果这样的体验做得足够好，用户选择小米的理由就又多了一个：小米MiMo。
此时，小米做大模型的价值就不一样了。用户购买AI订阅，可以带来收入；用户因为MiMo好用而购买小米手机、汽车或家电，更是锦上添花。
别人做大模型，是想让你多买一份订阅；小米做大模型，说不定最终会让你多买了一台冰箱。
参考材料：
小米官方发布MiMo-V2.6 系列开源公告
Artificial Analysis 综合智能指数榜单 v4.3.2
百度百科：MiMo-V2.6 词条
百度百科：小米大模型Core团队词条
凤凰网科技：《小米开源 MiMo-V2.6：从规模扩展走向递归自我改进》
腾讯新闻：《观智潮 | 训练MiMo一小时烧掉20万！小米AI的"明牌"与"暗棋"》
深圳商报·读创客户端：《小米发布新一代MiMo大模型，MiMo-V2.6-Pro首次支持全模态》
新浪新闻：《小米MiMoV2.6与顶级闭源模型差距多大？》
封面新闻：《小米MiMo-V2.6模型登顶AA全球开源榜首》
Hugging Face CEO Clément Delangue 社交媒体评价
21世纪经济报道：《小米大模型登顶开源榜：六天训练花了347万美元》
新智元：《 罗福莉带小米登顶全球开源榜首！大规模RL立功，斩杀Grok 4.7》
量子位：《6天烧光2000多万，拿下开源第一！小米史无前例「炼丹直播」收官》
本文来自 “蓝字计划”，作者：黄晓彬，36氪经授权发布。