阅读预计 8 分钟
前几天，我们围观了一场可能是科技圈最贵的直播。
小米把还没训练完的 MiMo-V2.6 直接挂到了网上。没有主播，屏幕上只有不断往上涨的 Token，以及一刻不停往外烧的钱。
现在，它终于练完了。
昨天，小米正式推出 MiMo-V2.6-Flash、MiMo-V2.6-Pro，以及 Pro 的 UltraSpeed 版本。
紧接着，小米公布了最新 RL Dashboard 的终局数据：
经过曲折的过程，pro 版本来到了72.6分。DeepSWE v1.1 的跑分已超 Fable 5。
随后，Artificial Analysis Intelligence Index（AA综合智能指数）榜单公布：
MiMo-V2.6-Pro 取得 46 分，超过Kimi K3 和 Qwen3.8 Max，成为当前最强的开源模型。
RAIR Lab创始人、《从零构建大模型》作者Sebastian Raschka读完技术报告后评价：
“simply” the best (for now)。 意思是 MiMo 眼下在开源权重模型里排第一，而它的架构其实很简单。
MiMo-V2.6 的架构是经典的分组查询注意力（GQA），加上窗口只有128个Token的滑动窗口注意力（SWA）。
Raschka 认为，这说明模型的进步主要来自数据和后训练，花样繁多的注意力变体大多只是效率优化。
而就是这些效率优化，能在训练和推理上省下几百万美元。
Menlo Ventures的投资人也在Deedy上手玩了一圈，直接给了评价：「pretty impressed」。
照他的计算，MiMo-V2.6-Pro的使用成本只有Kimi K3的约十五分之一、GLM 5.3的约六分之一、DeepSeek V4的约一半。
在最新的Artificial Analysis 智能指数 × 单任务成本图里，MiMo-V2.6-Pro 正好落在图左上角的最优象限。
是同等价格和同等智能水平之内的最优选。
跑分已经看到了，但毕竟 Benchmark 不是产品。
前几天我们看着它的训练过程，现在模型出来了，今天进入实测。
◈一、复杂Coding
◽孪生素数星系：千万级计算与渲染并发
我要求：
计算 1000 万以内的“孪生素数”（相差 2 的素数对，如 3和5、11和13），并用 Canvas/WebGL 摆成一条阿基米德螺线的星空；还要支持缩放、点选、区间过滤和视角切换。
这是个很复杂的任务了。因为数据量顶上去之后，计算、渲染、搜索，任何一件掉链子，整个页面就废了。
最终，MiMo 顶住压力输出了界面，整个惊艳到我了。
算法、后台线程、渲染、交互，一次成型。我实际复核了一下，它交付的实打实都是真正的孪生素数。
而且摆放的位置也没问题，点星空里一颗双星，右侧详情卡立刻换成这一对的数字，底部的直方图也会跟着跳转
◽复杂 3D 场景建模：Earth Observatory
素数算对了，应用跑通了。接下来我想看它接驳真实世界数据的情况。
我要求 MiMo：
抓取 USGS（美国地质调查局）等真实 API 的地震数据，做一个带脉冲动画的 3D 实时地震数据观测台。把最近7天发生的地震展示在地图上，地震点按震级分三档颜色，M≥6 红色脉冲、5 到 6 级橙色。
这是个设计前后端结合的任务，需要调用API来解决。
MiMo 交付的是一个完整的地球模型，震点星星点点标在上面，带位置和时间。
点开任意一个震点，详情页面就会出现在眼前。
我要的「按震级改变大小和颜色，带脉冲动画」，都对上了。
点哪都有反应，数据链做得非常完整。
下一个维度。我想看看它的审美水平。
◈二、审美水平
模型的审美水平非常影响大家使用它的心情，毕竟，如果一个模型输出的内容非常丑，即使做的内容到位我也不一定选择它。
◽PPT ：World in Motion
审美水平影响最显著的场景就是PPT了。
但做PPT的难点其实不在排版。现在，很多模型都能做出炫酷的PPT，但是一看内容常常是假大空。
因为除了美观，PPT还有一个最重要的功能是信息的压缩，做出来的界面每一页得有一个判断，而这个判断必须是真数据算出来的。
最终，MiMo输出了一份9页PPTX，在WPS里能直接编辑，标题叫「人类的四条生命曲线——人口、年龄、寿命与收入」。
风格简约大气，数据处理也很扎实，下了很多判断。
PPT的每页标题都是一个判断：
「尺度不同，方向大体同向」「寿命变长 ≠ 总负担变轻」「收入增长不保证寿命同步改善」，读完标题就读完了结论。
而且，界面上深蓝、米白、砖红三色统一，每页页脚都挂着数据源。
完成度非常高，像一个资深数据分析师的手笔。
◽高质量 Design
除了PPT，Design 界面的能力也很重要。
我交给MiMo一份大都会博物馆的公开藏品API，让它从里面挑四五十件公有领域的作品，做一个线上展。
题目叫「Human Visual Memory」，人类的视觉记忆。
审美这种题，最容易做成「好看但空」。图片墙谁都能堆，难的是分页、缓存、懒加载这些底层活儿别拖慢页面。
版权信息要一件一件挂对，还要有一点策展的味道。
经过一番设计，MiMo最终交付了结果。
视觉效果非常惊艳。整站米白底、中间瀑布流图片墙、右侧详情抽屉做成了博物馆展签的样子。
整体的视觉效果很舒适，非常贴合视觉记忆的主题。
接着，我不满足于此。
为了更贴切「Human Visual Memory」的主题，我又让MiMo做了一个功能：在页面中展示一张「今日记忆卡」。
他会从网站随机挑三件作品，让你记住3张目标，8秒后，让你从整个网站里找回这三张图。
大概是这样的：
我实际上手操作了一下，体验非常丝滑，而且整体的视觉效果也很不错。
◈三、多模态
除了审美能力，在实际模型使用中，多模态能力也至关重要。
为了测试多模态能力，我想让MiMo帮我剪个视频。
我先给它一段参考视频，这是一条59秒的老片子，1968到2016年各国 GDP 的动态排名。
视频源：苏州公安
我要求MiMo：
看懂这条视频在讲什么、怎么讲的。想自己做一条类似的看的人口预期寿命的数据短片。
它得先看明白视频里的「叙事套路」，然后自己去找数据、算数据、做动画，把这套路子重新走一遍。
最终，MiMo交付的效果如下：
从1960一路跑到2023。每个数据柱上都有国旗和当年的岁数，随年份滚动换。视频下面还会弹出字幕，实时分析数据的特征：
-
1973年，「日本登顶预期寿命第一」； -
1980年，「天花被根除，人类消灭一种传染病」； -
2020年，「新冠疫情，整体回落」。
而且它分析的很准确了。
等于看懂了原有视频的叙事，又精准拿走了叙事套路。
只是数据是自己找的，判断是自己下的。
看来，之后想学什么视频展示的手法，直接丢给MiMo就好了呀。
原生多模态的意义也在这里。你给模型看一个东西，它能把「这个东西为什么好」学走，再用到别的地方。
◈四、速度与成本对比
case测完，我们来算个账。
MiMo-V2.6 这次最夸张的地方，可能还不是能力，而是价格。
MiMo-V2.6-Pro的常规输入价格是3元/百万 Token，输出6元/百万 Token；Flash 更低，输入、输出分别只有1元和2元/百万 Token。
如果输入命中缓存，Pro 更是低到0.025 元/百万 Token。
单看Token单价还不够直观。
下面这张图来自第三方评测机构Artificial Analysis。
它算的是跑完 AA 那套评测，让不同模型跑同一套 Intelligence Index，然后按照各家 API 的实际价格，把平均做完一道题要花多少钱算出来。
结果有点夸张。
MiMo-V2.6-Pro 平均做完一道题，只要0.13美元。
相比之下，GPT-6 Astra是3.26美元，Claude Fable 5.1 是7.63美元。
MiMo 做一道题的成本，大约只有 GPT-6 Astra 的二十五分之一、Claude Fable 5.1 的五十九分之一。
把能力和成本放到一张图里，它的优势更加明显。
横轴是每道题的成本，纵轴是智能指数。越往左越便宜，越往上越聪明。
和MiMo-V2.6同一天发布的Grok 4.7，智能指数也是46分，但开高推理做一道题要2.73美元，开到极高推理要3.74美元，分别是MiMo-V2.6-Pro的21倍和29倍。
MiMo-V2.6-Pro 正好落在了帕累托前沿上。
意思是：
在 0.13 美元这个价位，没有比MiMo-V2.6-Pro聪明的；在46 分这个智能水平也没有比它便宜的。
不只单纯把价格打下来，能力和价格也一起往左上角推了一截。
速度这边，小米还单独做了一个MiMo-V2.6-Pro-UltraSpeed。官方称，在保持同等模型质量的前提下，它的输出速度最高可以做到普通 Pro 的20倍。
代价是，UltraSpeed的API 单价大约是普通Pro的10倍。
◈五、从大规模RL，迈向RSI
如此强大的性价比，小米是咋做到的？
答案在训练阶段。
MiMo 负责人罗福莉发帖称，MiMo-V2.6 很可能是迄今为止任何开源模型团队做过的、按算力算最大的一次单轮 RL。
算力极度紧缺的年代，MiMo 仍然选择把几十人的团队押在这一件事上。
她还提到，这轮 RL 的工程难度超过了 DeepSeek-R1。
MiMo团队披露，这轮 RL 不到6天，Flash和Pro都跑了30个 Step、约75万条 trajectory。
其中 Flash 的 RL 成本大约85万美元，Pro 更是烧掉了262万美元。
它这次最核心的思路是：把 RL 做大。
以前很多模型做强化学习，更像是分科补习。代码单独练代码，Agent 单独练 Agent，视觉再开一套训练。
MiMo-V2.6 这次把 Coding、通用 Agent、视觉和网络安全任务混在同一轮 RL里训练，小米把这套方法叫 You Only RL Once。
不同任务、不同执行环境被混进同一个 batch，希望一种任务里学到的策略，能迁移到另一种任务上。
而且，小米不只是给模型更多题做，还开始给判卷 增加算力。
MiMo-V2.6 又加了一层 Groupwise Agentic Grading。
它会把多条解法放在一起比较过程质量，再把更多奖励给更短、更好的路径。
官方技术报告称，这套机制会把训练信号推向更短的执行路径和更少的任务 Token。
前几天，我们盯着直播间里上涨的数字，看小米几百万美元地往 RL 里烧。
几天之后，这些钱最后变成了 3 元/百万 Token 的输入价格、6 元/百万 Token 的输出价格，以及一个已经能认真拿来干活的模型。
小米这场最贵直播，到这里算是播完了。
接下来，轮到我们开始烧 Token 了。
