9 月 22 日凌晨，小米方面发布并开源了 Xiaomi MiMo-V2.6 系列大模型。根据小米方面的说法，这是其探索 RSI（递归自我改进）路径的关键一步：以可验证的复杂任务为基础，规模化扩展强化学习（RL）算力。

根据官方介绍，MiMo-V2.6 系列包含 Pro 和 Flash 两个原生全模态模型。其中，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 46 分，超过 Kimi K3 和 Qwen3.8 Max，成为当前最强的开源模型；但与最强的闭源模型 Claude Fable 5.1 和 GPT-6 Astra 相比，仍有差距。

价格方面，MiMo-V2.6 系列沿用 V2.5 系列的 API 定价。值得一提的是，就在几日前的凌晨（9 月 17 日），小米 MiMo 大模型团队负责人罗福莉在 X 平台分享了 MiMo-V2.6 的实时训练页面，这也是外界首次看到这一代模型强化学习阶段的部分训练状态。

罗福莉公开的训练页面中包含两个版本，分别是 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash。根据当时的统计数据，MiMo-V2.6-Pro 训练时长为 1 天 19 小时，耗费 89 万美元，平均每小时耗费超 2 万美元；MiMo-V2.6-Flash 训练时长 1 天 14 小时，耗费 39.7 万美元，平均每小时耗费超 1 万美元。综合计算，两个版本训练合计每小时花费约 3.1 万美元。

小米方面称，此次训练主要从三个维度扩展了 RL 算力，支持 1M 上下文长度训练，单步训练 Token 达 2.7～3.7B。构建了覆盖 Code、General、Visual、Cyber 等方向的多任务训练体系，并混合多个 Harness；通过 Group 内相对比较，为 Long-Horizon RL 任务提供更精准、多样的奖励信号，形成模型自我改进闭环，并引导模型以更短路径、更少 Token 完成任务。小米方面称，公司已开源上述技术成果及配套资源，包括完整技术报告、训练环境与 RL 代码。