小米这次开源的，已经不只是模型权重

小米 MiMo 9 月 21 日发布 MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生全模态模型，并同步上线桌面客户端和 API。官方页面称，Pro 在 Artificial Analysis Intelligence Index 得分 46，达到当前开放权重模型的最高一档；这个排名来自第三方评测，不能单独当成生产效果证明。

这次发布还包括模型权重、技术报告和 MiMo-V2.6-Distill-Qwen-9B。模型本身可以下载，API 和桌面客户端也可以直接试用，用户不必先搭完整训练环境。

小米公开了 7000 多个强化学习任务环境，覆盖软件工程、漏洞复现、知识密集型工作和网页开发。任务环境的作用很朴素：给 Agent 一个能执行、能验收的任务，让训练不只停在聊天答案上。

同时公开的端到端训练框架，负责环境交互、轨迹收集、奖励评估和策略优化；轻量 Harness 则把系统提示、工具和上下文管理拆开，方便研究者拼出不同的 Agent 配置。

这和只上传一个模型文件差别很大。别人可以拿着权重跑推理，也可以沿着任务、奖励和工具配置继续做实验，尝试把一个模型在编程、网页操作或安全任务上训练得更稳。

官方披露，Pro 和 Flash 在不到 6 天内各完成 30 个训练步骤，累计约 75 万条轨迹。Flash 的训练成本约 85 万美元，Pro 约 262 万美元，合计接近 350 万美元。训练任务平均通过率分别提升 25% 和 12%，DeepSWE v1.1 的长程软件工程评测分别提升约 17 分和 14 分。

这些数字来自小米自己的训练记录和评测，外部还没有完整复现实验。成本也只是这轮训练的模型与算力账，环境制作、工程维护、失败重跑和评测设计没有单独列出。把它们看成公开的实验记录更稳妥，不能直接当成任何团队的预算表。

过去开源模型的门槛主要在权重和推理部署，接下来会越来越多地落到任务怎么设计、奖励怎么判断、工具怎么接入。没有这些配套，模型分数再高也很难在长任务里持续进步。

小团队可以从一个具体任务开始试：先用现成环境和 Harness 跑通评测，再决定是否值得投入自己的数据和算力。代价也很清楚，训练一轮就可能花掉数十万到数百万美元，环境质量和评测质量还要有人长期维护。