- 类型
- 模型
- 来源
- AIHOT · X / 公众号精选
- 发布
- 2026年9月21日 20:18
- 状态
- 单一信源
01
发生了什么
小米 MiMo 于 2026 年 9 月 21 日发布并开源 MiMo-V2.6 系列模型，包含 Pro 与 Flash 两个原生全模态模型。官方称这一系列是探索 RSI（递归自我改进）路径的关键一步，并提到扩展强化学习规模。目前公开信息仅来自这一条信源，未披露模型参数、评测数据与开源协议细节。
02
为什么重要
相较此前动作，这次小米同时发布 Pro 与 Flash 两档原生全模态模型并直接开源，且把目标明确指向 RSI 这一长期方向，而不只是常规版本迭代。对关注开源权重与自我改进路线的团队来说，多了一个可验证的候选基座。
03
底层逻辑
原生全模态意味着模型从训练阶段就统一处理多种模态，而非后期拼接；Flash 与 Pro 的分档覆盖不同算力与延迟场景。官方把扩展强化学习规模与 RSI 关联，其机制推测是通过强化学习让模型参与改进自身，但具体训练与验证方法未被证据披露。
04
产品与商业机会
若开源权重与推理成本可控，产品团队可直接在本地或私有环境部署全模态能力，减少对闭源 API 的依赖，并在 Flash 档上压缩推理成本。研发侧则需评估其全模态输入输出接口、部署门槛与既有管线的改造成本。
- 在 MiMo-V2.6 Flash 上搭建全模态原型，验证图文音混合输入在自身业务场景的可用性
- 将 Pro 与 Flash 做路由分层，简单请求走 Flash、复杂请求走 Pro，测算单位调用成本变化
- 把 MiMo-V2.6 与现有开源全模态模型做同任务对照评测，形成内部选型依据
- 跟踪其开源协议与权重开放范围，评估能否用于私有化交付项目
05
仍待确认
- MiMo-V2.6 Pro 与 Flash 的参数量、上下文长度和具体评测结果是多少
- 开源协议、权重开放范围与商用限制具体如何
- 所谓扩展强化学习规模与 RSI 的证据是什么，是否有可复现的训练细节
- 原生全模态覆盖哪些模态组合，实际推理成本与延迟如何