小米MiMo-V2.6实测：登顶全球开源模型，价格仅为对手几十分之一

小米在9月22日突然发布全模态大模型 MiMo-V2.6，这款被外界称为"国产开源新王牌"的模型在权威榜单上拿下全球开源第一的成绩，同时把算力成本压到了同类旗舰的零头。提到开源大模型，过去大家最先想到的是 DeepSeek 或阿里的通义千问，而现在这份名单里恐怕要加上小米的名字了。

跑分登顶：从26分到46分的一代跨越

在海外一家独立评测机构的综合治理排行榜上，MiMo-V2.6 PRO 拿下 46 分，超过了 Kimi K3 和通义千问^广告 3.8 Max，登顶全球开源第一。放眼整个行业，比它分数更高的只剩 5 个模型，全部是 Claude、GPT 这一档的海外闭源旗舰。

值得对比的是，上一代 MiMo-V2.5 PRO 在同一张榜上才 26 分，一代之间猛涨了 20 分。小米自己放出的跑分表更直观：在修真实代码的测试上，上一代只有 19 分，这一代直接冲到 71.9；在考真实职场任务的测试中它排第三，连 GPT-6 Astra 都被压在下面；在考自动化流程的测试上它排第二，再次把 GPT-6 Astra 和 Claude Ops 5 甩在身后。

小米官方的说法是，在大多数智能体测试上，MiMo-V2.6 已经能和 Claude Ops 5 这一档的旗舰正面对标。当然短板也摆在明处——在命令行里干活它只有 34.9 分，而 GPT-6 Astra 是 59.6 分，差距明显。

价格策略：聪明程度相当，成本仅为对手的几十分之一

如果把"聪明程度"和"做一道题的花费"放在同一张图上，MiMo-V2.6 稳稳站在又聪明又便宜的那一角，而海外几家顶级闭源模型则挤在最贵的右侧区域。

小米这次搞的是加量不加价，完全维持上一代的价格水平：Pro 版每百万 Token 输入约 2.9 元、输出约 5.9 元。官方称在同等聪明程度下，它的花费只有海外头部模型的二十分之一到六十分之一。被它超过的通义千问 3.8 Max 做同样的题，花费大约是它的 40 倍。

此外 Pro 版拥有整整 100 万 Token 的超大上下文窗口，并提供一个极速版本，输出最高能提速 20 倍，不过价格也要翻 10 倍。轻量版 MiMo-V2.6 Flash 则以极快的速度著称，目前已在海外平台免费开放测试。

Token 是大语言模型计费与上下文计算的基本单位，大致对应汉字或英文词的片段（通常1个汉字约等于1.5个Token，1个英文单词约等于1-2个Token）。"百万Token价格"是当前行业通行的定价标准。100万Token上下文窗口意味着模型单次对话可处理约75万汉字的内容，相当于一部中长篇小说，这对需要分析超长代码库、法律文件或多轮复杂任务的开发者而言至关重要。极速版输出提速20倍但价格翻10倍，折射出推理算力中"延迟"与"吞吐量"之间的工程权衡——加速通常需要为每个请求分配更多并行计算资源，边际成本随之上升。

训练账单与开源力度：把全套都晒了出来

这次最透明的地方在于，官方连强化学习这一轮的账单都公开了：一共花费 347 万美元（折合 2300 多万人民币），为了 150 万个样本、1564 亿个 Token。模型分数靠强化学习部署一路往上爬，走的是让模型自我进化的技术路线。

更关键的是，这次开源的不只是模型本身，连技术报告、强化学习用的训练环境和训练代码都一起放了出来。对整个开源生态而言，这意味着别的团队可以复现、改进乃至在相同环境里继续训练，门槛被显著拉低。

强化学习（Reinforcement Learning，RL）是一种让模型通过"试错—反馈—迭代"不断自我优化的训练范式，与传统的监督微调（SFT）不同，它不依赖人工标注的标准答案，而是让模型在执行任务后根据奖励信号判断行为好坏。近年来 DeepSeek^广告-R1 等模型将 RL 大规模应用于推理能力提升后，这一路线被业界广泛验证：模型可以在没有额外人类示范的情况下，仅凭自身探索就涌现出更复杂的推理链。小米此次公开 347 万美元 RL 训练账单，并释出训练环境与代码，意味着外部团队可以直接在相同框架上继续"续训"——这种做法在 LLM 开源社区中相当罕见，因为训练环境往往比模型权重本身更难复现，也更具商业壁垒。

三维空间与物理推理：从机械臂到3D开放世界

官方放出的演示把三维空间与物理推理能力拉满。铅笔草图逐步生成的密体城堡、星空夜景、旋转木马与摩天轮的光影细节一应俱全；与国内团结引擎合作做出的 3D 开放世界，能骑马穿过大草原远眺雪山——测评者估计这种内容游戏开发者得写上好几个月，而模型几天就做出来了。

在英伟达的物理仿真环境里，它看着手腕和桌面两个摄像头的画面实时计算该往哪移、怎么转，自主推演并控制机械臂把红蓝方块放到对应位置，稳稳完成任务。从 3D 平台跳跃游戏到即时战略游戏里的坦克开火，再到揭开防尘盖、放上黑胶、切换转速的唱片机 3D 产品图，全都由模型自主生成。

英伟达的物理仿真环境指的是 Isaac Sim 或类似的机器人仿真平台，它能在虚拟世界中精确模拟重力、摩擦、碰撞等物理规律，让 AI 在无需真实硬件的情况下完成大量操控训练。将大模型与物理仿真结合，代表了"具身智能"（Embodied AI）的一条主流技术路径：模型不只处理文字或图片，还要理解三维空间关系并输出可执行的动作序列。多摄像头融合感知（如文中提到同时看手腕与桌面两路画面）是当前工业机械臂和服务机器人的常见配置，它能减少单一视角的遮挡盲区，提升空间推理精度。小米在此场景的演示，暗示其模型已初步具备从视觉感知到动作规划的闭环能力，这是走向实体机器人应用的关键一步。

开发者实测：从索尼克跑酷到F1漂移

官方演示再漂亮也得看第三方上手。海外开发者直接用它手搓出一款索尼克风格的 3D 跑酷游戏，绿色棋盘格跑道、金色圆环、弹簧起跳、计分系统一应俱全，而且完全能在浏览器里实机游玩。

在一个专门给 AI 出题打分的评测平台上，它为英伟达 RTX 5090 写产品页，用纯代码画出可旋转的 3D 显卡，内部均热板和散热风道都做成了动画。不过平台的 AI 评委指出它"野心很大但最终失败"——代码写得太长被截断，好几个交互功能用不了。

最炸裂的是一段 F1 赛车街头原地漂移画圈的演示：单个网页文件一口气输出了四万三千多个 Token，红色赛车甩尾冒烟、地上流下胎印、多机位切换、漂移积分与慢动作回放一应俱全，整套生成下来才花了两毛多钱。

系统复刻与审美表现

在复杂系统模拟上，它完整复刻了经典的 Windows 95 桌面，包含开始菜单、我的电脑、扫雷，甚至能打开复古老网页和 DOS 命令行。测评者坦言，细节做到这么全，原本只指望 GPT-6 Astra、Claude Fable 这类顶级闭源模型才做得到。

当然瑕疵也有：处理复杂的纽约港动画时，把本该横跨河面的大桥画到了楼顶上，车看着像在楼顶飞。但在 9 万多 Token 的体量下，它实现了拖动时间轴呈现日出到子夜的月相、潮汐与车流变化。

视觉审美上同样令人印象深刻：杂志排版风格的编辑部落地页、浮动树枝的动态油画、粒子翻滚的艺术画板，彻底摆脱了传统 AI 生成的千篇一律模板。小米官方放出的海岛经营游戏《总统之岛》也由模型自己做出，玩家能在三维海岛上分门别类盖房子、管资金、顾民众支持率。

结语：把智能做便宜的破局思路

MiMo-V2.6 真正的意义不只是跑分登顶，而是把高水平智能的使用成本压到了十分之一级别，并且把训练环境和代码一股脑开源。当国产开源模型开始自主推演物理空间、手搓 3D 游戏、在仿真世界里指挥机械臂，开源生态被砸出了一条新路。通用人工智能走向现实的下半场，或许正属于那些真正能把智能做便宜、让它落进生活的玩家。