这一代改了什么：不是加参数，是加 RL 算力

MiMo-V2.6 系列包含 Pro 与 Flash 两个原生全模态模型，官方把这一轮的核心说成「以可验证的复杂任务为基础，规模化扩展强化学习算力」，并把它定位成探索 RSI（递归自我改进）的一步。Pro 在 Artificial Analysis Intelligence Index 上拿到 46 分，官方称超过 Kimi K3 与 Qwen3.8 Max、成为当前最强开源模型；同一段话里也写明，与 Claude Fable 5.1、GPT-6 Astra 相比仍有差距。

训练侧给得出数

  • 时长与成本：不到 6 天，Flash 约 85 万美元、Pro 约 262 万美元；
  • 步数与轨迹：各 30 步，累计约 75 万条轨迹；
  • 任务通过率：平均相对提升 25%（Flash）与 12%（Pro）；
  • 样本外：DeepSWE v1.1 上 Flash 从 48.8 升到 65.7（约 +17 分）、Pro 从 58.4 升到 72.6（约 +14 分）；
  • 批次与上下文：单次更新 1,568 个样本，支持 1M 上下文训练，单步训练 token 3.5 到 3.7B。

稳定训练用的是笨办法：冻结路由 + 多道防线

官方提到两件工程上的事。一是随训练规模扩大冻结 MoE Router，用来抑制专家负载漂移；二是建了一条覆盖奖励设计、对抗性评测、异常检测与验证器交叉校验的防线来对付 Reward Hacking。这类细节通常不会写进发布稿，但对想复现的人价值最高——它说明「同样是 RL，能不能稳定跑完」主要差在这些地方。

价格：这次的重点是没涨

按官方价格表（每百万 token，人民币，实时推理，未命中输入 / 输出）：mimo-v2.6-pro 为 ¥3.00 / ¥6.00，缓存命中 ¥0.025；mimo-v2.6-flash 为 ¥1.00 / ¥2.00，缓存命中 ¥0.02；mimo-v2.6-pro-ultraspeed 为 ¥30.00 / ¥60.00，缓存命中 ¥0.25。批量推理对半，pro 为 ¥1.50 / ¥3.00、flash 为 ¥0.50 / ¥1.00。美元口径下 pro 是 $0.435 / $0.87、flash 是 $0.14 / $0.28。官方注明缓存写入限时免费；价格表里 mimo-v2.5-pro 与 mimo-v2.5 标注「即将下线」。

缓存价为什么值得单独看

缓存命中价只有未命中价的 1/120（pro：¥0.025 对 ¥3.00）。在 agent 场景里，每轮新增的往往只是很短的动作用加工具返回，前缀被反复复用——命中率高低直接决定账单，而不是模型分数。这也意味着评估这类模型时，把「前缀是否稳定」做好（少改动系统提示、少打乱工具定义顺序）比换模型更省钱。

开源清单

  • 权重：MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 在 Hugging Face 开源，许可 MIT；
  • 另有 MiMo-V2.6-Distill-Qwen-9B 蒸馏版，社区很快做出了 GGUF 量化，适合本地与端侧；
  • 技术报告、训练环境与 RL 代码一并放出；
  • 参考热度：发布两天内 Pro-RL 权重约 477 赞、Flash-RL 约 446 赞，社区量化版下载量更高。

该不该换

  1. 用 API 的：拿最贵的一条长会话链路做 A/B，比「每任务总成本 + 通过率」，同时记录缓存命中率；
  2. 自托管的：先试 Flash 与 Distill-Qwen-9B 的显存与吞吐，再决定要不要上 Pro；
  3. 已在用 V2.5 的：把「即将下线」当成工期，提前排迁移窗口；
  4. 要 UltraSpeed 的：先确认那 10 倍单价确实买到了你需要的东西（对输出速度敏感，而不是对首 token 延迟敏感）。
这一代的判断标准不该是「有没有超过 Kimi K3」，而是「同样一个任务，你的账单降了多少」。