9 月 22 日，小米正式发布并开源 Xiaomi MiMo-V2.6 系列模型。据介绍，该系列包含 Pro 和 Flash 两个原生全模态模型，是小米探索 RSI（递归自我改进）路径的阶段性成果。

在评测数据方面，得益于 RL 算力的扩展，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index（AA 综合智能指数）中取得 46 分。该分数超过 Kimi K3 和 Qwen3.8 Max，成为当前最强开源模型；但对比最强闭源模型 Claude Fable 5.1 和 GPT-6 Astra，仍存在差距。

MiMo-V2.6 系列沿用 V2.5 系列的 API 定价，智能提升但价格不变。官方数据显示，MiMo-V2.6-Pro 在同等智能水平下，价格仅为海外模型的 1/20 至 1/60，刷新了国产模型性价比纪录。

在训练细节上，MiMo-V2.6 进行了为期 6 天的 Live RL 训练。训练成本方面，Flash 与 Pro 分别约 85 万与 262 万美元，各完成 30 步，累计约 75 万条轨迹。训练任务平均通过率分别相对提升 25% 和 12%。在样本外长程软件工程评测基准 DeepSWE v1.1 中，Flash 和 Pro 分别提升约 17 分（48.8 → 65.68）和约 14 分（58.4 → 72.57）。

据官方披露，本次训练主要从三个维度扩展 RL 算力：一是更大的 Batch 与更高吞吐，结合大 Batch 和全异步架构，单次更新使用 1,568 个样本，支持 1M 上下文长度训练，单步训练 Token 达 2.7～3.7B；二是更多任务与复杂环境，构建覆盖 Code、General、Visual、Cyber 等方向的多任务训练体系，混合多个 Harness；三是更大的 Grader 算力，通过 Group 内相对比较为 Long-Horizon RL 任务提供奖励信号。

在训练稳定性方面，随着训练规模扩大，小米冻结了 MoE Router 以抑制专家负载漂移，并建立了覆盖奖励设计、对抗性评测、异常检测和验证器交叉校验的 Reward Hacking 防线。

目前，小米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，以供研究者复现和验证相关结果。