作者｜黄晓彬 原创首发｜蓝字计划 9月22日这天，国内做大模型的一众头部玩家，竟然在同一张榜单上，输给了一个“半路出家”的选手：小米。 当天， 小米发布并开源MiMo-V2.6系列，其中的旗舰Pro版在Artificial Analysis综合智能指数中拿下46分，超过GLM-5.3、Qwen3.8 Max等模型，登上全球开源模型榜首。 很多人可能没概念，上一代MiMo-V2.5-Pro在这项指数上只有26分。短短几个月，得分就提高了20分。 与此同时，MiMo-V2.6的价格也低得离谱。按小米公布的测算，在同等智能水平下，其调用价格只有海外同类模型的1/20到1/60。 能力提升了，API定价却和上一代保持一致。 但实际上，小米专门组建团队做大模型的时间并不长。2023年4月才组建大模型核心团队，2025年4月才发布首个开源大模型。到这次登顶，距离第一次开源还不到一年半。 大部分人对小米的印象，大概率还停留在手机、汽车，和在发布会上神采飞扬的雷军。 怎么突然之间，小米的大模型就上桌了？ MiMo，成了新的“斩杀线” 其实所谓的开源第一，还只是小米这次成绩的冰山一角。 先看写代码。按照小米公布的评测结果 ，在考察多步骤、长流程软件工程能力的DeepSWE v1.1中 ，MiMo-V2.6-Pro拿到71.9分，GPT-5.6 Sol是73分，Claude Opus 5是74分， 三者已经相当接近 。 而 在让AI调用工具、连续完成任务的项目中，小米也有拿得出手的成绩 。在考察跨工具协作的Toolathlon-Verified测试中，它拿到76.9分，高于GPT-5.6 Sol的74.9分；在考察通过图形界面操作电脑的OSWorld-Verified中，小米是82分，GPT-5.6 Sol和Claude Opus 5分别是83分、83.4分。 实际上，这些项目比普通聊天更接近我们对AI的期待：给它一个任务，它得学会自己找到工具、执行操作，最后把事情给干了。在连手机都开始引入Agent的今天，只会“耍耍嘴皮子”，已经很难满足用户的期待。 不过，上面这些具体项目的成绩，来自小米公布的评测。再看第三方机构Artificial Analysis统计的任务成本，反差就更明显了。 在这套智能指数评测里，MiMo-V2.6-Pro的加权平均每任务成本是0.13美元，GPT-5.6 Sol（max）是1.99美元。Claude Opus 5.5采用中等推理档位，对应成本也达到1.34美元，指数得分为51分。 或者可以不绕圈子，直接看一组直观的数字： 假设按这套评测的任务构成和平均成本，执行一万次任务，小米对应的费用约为1300美元，而Claude约为13400美元，GPT约为19900美元 。 这笔账不能直接当成实际业务的报价，但在这套评测口径下，小米的任务成本，确实只有上述Claude版本的约十分之一、GPT版本的约十五分之一。 所以，把模型的能力和成本放到一起，就不难理解，为什么有媒体把小米MiMo-V2.6称为新一代大模型“斩杀线”。 如果模型的综合成绩比小米低，调用成本却比它高，用户为什么还要选你？ 想卖得更贵，就得在用户需要的任务上，拿出更好的效果、更快的速度，或者更可靠的交付。 只不过，在过去提到大模型的“斩杀线”，大多数是DeepSeek，是Qwen，是Kimi，没想到今天居然让小米拿下了这个头衔。 而且回头看上一代，在小米公布的同一组对比中，MiMo-V2.5-Pro的DeepSWE成绩只有19分，Toolathlon-Verified为49.1分。仅仅过了一代，前面两个成绩却分别提高到了71.9分和76.9分。 成绩大幅提高，API价格却没涨。这才过了几个月，小米到底是怎么做到的？ 小米也成了“后强化学习”仙人 小米这次让模型进步的一个关键，是 强化学习 。 可以把训练大模型理解成培养一个程序员：先通过阅读大量资料和代码，学会基础知识；接下来，让他接手项目进行实习，自己尝试解决问题，再根据实际结果调整做法。 而 强化学习就像后面这段实习。模型在实际执行任务的时候，训练系统根据它的表现给予奖励，再通过更新模型，让有效的做法更容易在下一次出现。 不过，实习也得讲方法。总做同一种简单任务，练不出处理复杂问题的能力；交上来的东西没人认真检查，就有可能在错误的路上狂奔。 而小米这次主要改进的，就是练多少、练什么，以及怎么判断练得好不好。 首先，是让模型充分尝试。 按照小米披露的训练配置，一次更新包含1568个任务提示，每个提示生成16条执行轨迹。这就相当于同一个任务，让模型尝试多种做法，把操作过程和结果都记录下来，作为后续训练的材料。 用来训练的这些任务也多种多样。有写代码、调用工具、处理视觉信息、解决网络安全问题等等。最终模型不仅能学