每小时烧掉20万，小米AI新模型成了“斩杀线”

作者｜黄晓彬

原创首发｜蓝字计划

9月22日这天，国内做大模型的一众头部玩家，竟然在同一张榜单上，输给了一个“半路出家”的选手：小米。

当天，小米发布并开源MiMo-V2.6系列，其中的旗舰Pro版在Artificial Analysis综合智能指数中拿下46分，超过GLM-5.3、Qwen3.8 Max等模型，登上全球开源模型榜首。

很多人可能没概念，上一代MiMo-V2.5-Pro在这项指数上只有26分。短短几个月，得分就提高了20分。

与此同时，MiMo-V2.6的价格也低得离谱。按小米公布的测算，在同等智能水平下，其调用价格只有海外同类模型的1/20到1/60。能力提升了，API定价却和上一代保持一致。

但实际上，小米专门组建团队做大模型的时间并不长。2023年4月才组建大模型核心团队，2025年4月才发布首个开源大模型。到这次登顶，距离第一次开源还不到一年半。

大部分人对小米的印象，大概率还停留在手机、汽车，和在发布会上神采飞扬的雷军。

怎么突然之间，小米的大模型就上桌了？

MiMo，成了新的“斩杀线”

其实所谓的开源第一，还只是小米这次成绩的冰山一角。

先看写代码。按照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拿到71.9分，GPT-5.6 Sol是73分，Claude Opus 5是74分，三者已经相当接近。

而在让AI调用工具、连续完成任务的项目中，小米也有拿得出手的成绩。在考察跨工具协作的Toolathlon-Verified测试中，它拿到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，小米是82分，GPT-5.6 Sol和Claude Opus 5分别是83分、83.4分。

实际上，这些项目比普通聊天更接近我们对AI的期待：给它一个任务，它得学会自己找到工具、执行操作，最后把事情给干了。在连手机都开始引入Agent的今天，只会“耍耍嘴皮子”，已经很难满足用户的期待。

不过，上面这些具体项目的成绩，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，反差就更明显了。

在这套智能指数评测里，MiMo-V2.6-Pro的加权平均每任务成本是0.13美元，GPT-5.6 Sol（max）是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。

或者可以不绕圈子，直接看一组直观的数字：假设按这套评测的任务构成和平均成本，执行一万次任务，小米对应的费用约为1300美元，而Claude约为13400美元，GPT约为19900美元。

这笔账不能直接当成实际业务的报价，但在这套评测口径下，小米的任务成本，确实只有上述Claude版本的约十分之一、GPT版本的约十五分之一。

所以，把模型的能力和成本放到一起，就不难理解，为什么有媒体把小米MiMo-V2.6称为新一代大模型“斩杀线”。

如果模型的综合成绩比小米低，调用成本却比它高，用户为什么还要选你？想卖得更贵，就得在用户需要的任务上，拿出更好的效果、更快的速度，或者更可靠的交付。

只不过，在过去提到大模型的“斩杀线”，大多数是DeepSeek，是Qwen，是Kimi，没想到今天居然让小米拿下了这个头衔。

而且回头看上一代，在小米公布的同一组对比中，MiMo-V2.5-Pro的DeepSWE成绩只有19分，Toolathlon-Verified为49.1分。仅仅过了一代，前面两个成绩却分别提高到了71.9分和76.9分。

成绩大幅提高，API价格却没涨。这才过了几个月，小米到底是怎么做到的？

小米也成了“后强化学习”仙人

小米这次让模型进步的一个关键，是强化学习。

可以把训练大模型理解成培养一个程序员：先通过阅读大量资料和代码，学会基础知识；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做法。

而强化学习就像后面这段实习。模型在实际执行任务的时候，训练系统根据它的表现给予奖励，再通过更新模型，让有效的做法更容易在下一次出现。

不过，实习也得讲方法。总做同一种简单任务，练不出处理复杂问题的能力；交上来的东西没人认真检查，就有可能在错误的路上狂奔。

而小米这次主要改进的，就是练多少、练什么，以及怎么判断练得好不好。

首先，是让模型充分尝试。

按照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。这就相当于同一个任务，让模型尝试多种做法，把操作过程和结果都记录下来，作为后续训练的材料。

用来训练的这些任务也多种多样。有写代码、调用工具、处理视觉信息、解决网络安全问题等等。最终模型不仅能学会完成不同工作，还可以适应不同的工具和执行环境。

不过要说到训练里更加难的地方，就是怎么判断模型做得好不好。

假设两份方案都完成了任务，第一份用到了十几个步骤，第二份一步到位就做好了；如果评分只分“成功”和“失败”，那更迅速、更高效、一步到位的第二份方案，也只能拿到磨磨唧唧的第一份方案同样的奖励。

这显然没法真正鼓励模型用更高效简洁的方案完成任务。

所以小米的办法是，把同一个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，再把更多奖励分给表现更好的方案。这样，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。

这里还得防着模型钻空子：找到一种能拿高分的办法，却没有真正完成任务，那也是万万不可的。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，尽量避免模型把“糊弄评分系统”练成了本事。

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-V2.6Flash和Pro的训练成本分别约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，每小时达到了约3万美元，也就是约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。在没有用于这轮训练的DeepSWE v1.1软件工程评测中，Flash从48.8分提高到65.68分，Pro从58.4分提高到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，再把反馈用于下一轮训练。模型继续进步，新的尝试又能为后续训练提供材料。

这次，小米还把技术报告、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怎么练出来的。

所以，现在的小米有了能竞争的模型，也拿出了自己的训练方法和研究工具。那么现在的小米，到底算不算一家大模型公司？

小米，算一家大模型公司吗？

如果只看小米现在做到的，已经算是一家不折不扣的大模型公司了。但对小米来说，它可能并不满足于做一家大模型公司。

毕竟，小米手里除了模型，还有手机、汽车、智能家居，甚至有自己的玄戒芯片。这些东西如果能和MiMo结合，值得想象的产品，就远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，用户只需要用自然语言提出要求，AI就可以尝试跨应用执行任务。它让我们看到了“一句话让手机帮忙办事”的可能。

而海外最近大热的Muse，则展示了个人Agent的另一种吸引力。按照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。用户关掉应用之后，耗时的任务也能继续执行。

一个把AI放进手机系统，一个让AI持续替用户办事。顺着这两个方向想，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里的“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里设计相应功能，再通过手机让用户用上。自研玄戒芯片，则让它有机会进一步针对端侧AI的算力、功耗和内存需求做优化。从芯片到系统，再到模型和整机，其实现在小米能参与的环节已经相当多了。

而且，小米的想象空间还不止手机。

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，再把确认好的路线同步给车机？用户不用自己在几个应用之间来回切换，也不用把同样的要求向不同设备再说一遍。

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。

这时，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，更是个大好事。

别人做大模型，想让你多买一份订阅；小米做大模型，说不定最后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》