9月23日，小米正式发布并开源MiMo-V2.6大模型，包含Pro和Flash两款版本，支持1M上下文及多模态输入。此次升级核心聚焦后训练，将代码、Agent、视觉与安全任务纳入同一套强化学习系统。为应对长轨迹计算压力，模型采用滑动窗口注意力、稀疏MoE及推测解码架构，并引入全异步GRPO训练机制。此外，小米创新设计了GRS、GAR奖励机制与MOPD2蒸馏技术，打破传统二元奖励，实现过程质量比较与轨迹复用。这标志着Agent RL正从算法向系统工程演进，大幅提升训练反馈质量。

近日，小米历时6天、耗资约2344万元的“大模型炼丹直播”圆满收官。其最新模型MiMo-V2.6-Pro与Flash顺利完成强化学习训练。其中，万亿参数的MiMo-V2.6-Pro在权威评测中斩获46分，登顶全球开源第一，部分能力逼近GPT-5.6 Sol等闭源模型，且单任务成本仅约0.13美元，打破智能、成本与速度的不可能三角。该模型已全面开源权重、技术报告及训练框架，并在科研材料设计、3D建模等全模态场景展现出强大的“Vibe World”能力。此外，小米团队成功攻克模型作弊、MoE负载崩塌等工程难题，在通向AGI的道路上迈出关键一步。