Xiaomi open-sources MiMo-V2.6, focused on recursive self-improvement
Xiaomi released and open-sourced the omni-modal MiMo-V2.6-Pro and Flash models, saying Pro scores 46 on the Intelligence Index, alongside 7,000+ RL task environments and a training framework.
刚刚，小米Mimo正式发布并全面开源MiMo-V2.6。 这次有点不一样，MiMo-V2.6直接把一个词写进了发布主题里：RSI，递归自我改进。 简单讲，就是继续扩大强化学习的规模，让模型进入真实环境里不断做任务、拿反馈、继续学习，尝试让模型自己把自己越练越强。 这轮一共发布 MiMo-V2.6-Pro 和 Flash 两个原生全模态模型。 @XiaomiMiMo 官方称，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 拿到 46 分，超过 Kimi K3 和 Qwen3.8 Max，成为目前最强的开源模型（甚至超过了Grok4.7）。 在官方公布的 Agent Benchmark 里： Terminal Bench 2.1 做到 89.9，超过表中 Claude Opus 5 的 89.1 和 GPT-5.6 Sol 的 88.8； AutomationBench 达到 53.1； Agent’s Last Exam 达到 31.6； MiMo Visual Coding 达到 72.3。 更值得看的是这次模型的RL过程，本次RL是全程直播，在不到 6 天的 Live RL 训练里： Flash 花了约 85 万美元，Pro 花了约 262 万美元； 两个模型分别跑了 30 个训练 Step； 累计产生约 75 万条轨迹。 最后在训练集之外的 DeepSWE v1.1 上： Flash：48.8 → 65.68 Pro：58.4 → 72.57 也就是说，这次小米想证明的不只是“RL 可以把 Benchmark 刷高”，而是把更多算力投入 Agent 在真实环境里的探索后，能力还能继续向样本外泛化。 比如在RL之后，MiMo-V2.6 已经可以做 3D 开放世界游戏、Blender 建模、Computer Use、机械臂控制，还拿去做材料科学研究和 Lean 形式化数学证明。 甚至还能自己做前端、PPT、视频和音乐。 最狠的是，小米这次基本把研究家底也一起开了： Pro、Flash 模型权重和技术报告全部开源； 同时开放 7000+ RL 任务环境； 开源端到端 RL 训练框架； 还专门开源了一套 mini-harnesses，用 Multi-Harness Training 训练模型适应不同 Agent Harness。 然后还有一个更现实的东西：价格。 MiMo-V2.6-Pro： 缓存命中 0.025 元 / 百万 Token 输入 3 元 / 百万 Token 输出 6 元 / 百万 Token Flash 更便宜： 输入 1 元，输出 2 元 / 百万 Token。 小米称，在同等智能水平下，Pro 的价格只有海外模型的 1/20～1/60，而且相比 V2.5 没涨价。 感觉还行啊，等会测一下，看跑分已经超过了Grok4.7🤣
This post quotes another post: x.com/xiaomimimo/status/2102138559952290106