刚刚！全球开源榜第一被小米抢走了，这次狠招不是堆参数，而是 RL

刚刚！全球开源榜第一被小米抢走了，这次狠招不是堆参数，而是 RL

【免费下载链接】MiMo-V2.6-Flash-RL项目地址: https://ai.gitcode.com/XiaomiMiMo/MiMo-V2.6-Flash-RL

这几天，AI 圈炸了一个不大不小的锅。

国外那个专门给大模型"打分排名"的第三方榜单 Artificial Analysis（大伙都简称 AA 榜），更新了一回。

结果大伙往"开放权重 / 开源模型"这一栏里一看——第一把交椅，被小米抢走了。

抢走它的，是小米 MiMo-V2.6 系列。

先说句公道话，把口径讲清楚：整张总榜第一，还是闭源的那只"老大哥" Claude（智障指数 58 分）。但只要把范围缩小到"开源 / 开放权重"这一栏，第一名就是小米，智力指数 46 分，把一堆国产同行甩在了身后。

而这次让小米真正翻身的，不是把参数堆到天上，而是两个字——RL（强化学习）。

这俩字听着玄，其实特别接地气。下面咱掰开揉碎讲。

一、它到底是个啥？一句话先说清

MiMo-V2.6，你可以理解成小米自己养出来的一只"数字打工人"。

它不只会陪聊，而是能看图片、看视频、听语音，然后动手帮你干活：写代码、办公自动化、查资料、操作电脑。

而且它有三个"硬指标"很能打：

• 脑子大但省电：它用了"混合专家"结构。你可以把它想成一栋大楼里住了几百个"专科医生"，但每次来病人，只叫醒最相关的那几位坐诊，所以"知识储备"很大，干活却省电省钱。
• 记性超长：一次能吞下100 万 token，啥概念？差不多相当于一整本书、上千页文档，一口气读完还不丢前因后果。
• 啥都能看：文字、图片、视频、语音，一个模型全包，不用"看图的找看图、听音的找听音"。

这次开源的仓库，是它的轻量效率版（Flash-RL）。可以这么类比：同一个系列出了"大杯"和"小杯"——Pro 是旗舰大杯，Flash 是轻便小杯，师出同门、练法相同，小杯更便宜、更快，适合大批量、低成本的场景。

二、这次真正的狠招：RL 到底"练"了啥

以前训大模型，主流玩法是"老师喂标准答案"，喂得越多越聪明。但这有个天花板：答案喂完了，它就到头了。

RL（强化学习）换了个思路：不再喂答案，而是让模型自己做、自己试、做对了奖励、做错了扣分，在反复"刷题—纠错"里把本事练出来。

打个比方——

这就像从"背课文"切换成了"魔鬼训练营"。教练不给标准答案，只负责判分。学员为了拿高分，自己琢磨套路、自己纠错、越练越稳。

小米这次最狠的，是把这套玩法做到了"自我进化"：

• 一次"混合特训"，而不是分科补课。他们把"写代码、办公自动化、看图、网络安全"这些完全不同的科目，揉在同一个训练场里一起练。好处是各科互相借力——写代码练出来的思路，能迁移到办公自动化上。官方给这套打法起名叫 "You Only RL Once"（你只需强化学习一次），听着凡尔赛，其实是真省成本。
• 它给自己当"裁判"。传统打分只能判"对/错"，可两篇都对的回答，谁更好呢？小米的办法是让模型在每一组自己的答案里互相比较，把质量更高的那篇挑出来反复强化。这样一来，它不仅越练越对，还越练越"惜字如金"——用更少的废话，把事办成。
• 全程防"耍赖"。让模型自己给自己打分，最怕它"钻空子骗奖励"。所以他们在训练里加了"环境加固、对抗筛选、交叉核验"一堆手段，相当于请了个不徇私情的纪检，逼着这个闭环老老实实变强，而不是走捷径。

说白了：RL 让这只"数字打工人"从"会背题"进化成了"会自己成长"。这就是标题里"靠的是 RL"的真意。

三、到底有多牛？看三组直观的"前后对比"

榜单数字咱不甩一长串，挑几个最能说明问题的。同一位选手，上一代（V2.5）vs 这一代（V2.6）：

• 网络安全：有个专门考"攻防能力"的 CyberGym，从上一代的40 分直接飙到 95 分——几乎是满分，像一夜之间从"业余选手"练成了"职业级"。
• 办公自动化：AutomationBench 拿到52 分，这个分已经超过了榜单上一批收费的闭源旗舰，非常能打。
• 写代码：DeepSWE 这类"真·软件工程师题"拿到68 分，接近很多闭源强者的水平。

再看"又聪明又便宜"这件事。旗舰版 Pro 跑一单智能任务，成本大约 0.13 美元，折算下来不到 1 块钱人民币；API 价格也压得很低。用媒体的话说，它直接成了新一代"性价比斩杀线"——同等智力，别人要收贵好几倍的钱。

这里插一句全网都在聊的"幕后花絮"：媒体扒到，这次训练六天烧了约 347 万美元，团队甚至把训练过程直播出来，每小时成本超 3 万美元。带队的是一位 31 岁的"90后"负责人罗福莉，还被曝是雷军"重仓"的人。硬核、透明、敢亮家底，这姿态本身就够圈粉。

四、普通人怎么上手？门槛高不高

好消息：你完全不用自己搭环境、不用买显卡、不用懂部署。

普通用户和创作者，有这么几条路：

• 想直接体验：小米自家就有 MiMo 开放平台 API、桌面版应用（MiMo Desktop）和网页版 AI Studio，打开就能用。
• 开发者：可以在 Hugging Face、魔搭（ModelScope）上把模型权重下载下来，用主流推理框架（SGLang / vLLM）一条命令就能起服务；也能通过 OpenRouter 等第三方渠道直接调用。
• 最省钱：轻量版 Flash 就是为"大批量、低成本"准备的，适合想把它嵌进自己产品、又不想被账单吓到的团队。

所以它对谁最有用？

• 自媒体 / 办公白领：长文档总结、视频理解、语音转文字，一口气搞定。
• 学生和开发者：MIT 协议（完全开源、可商用），可以随便拿来做二次开发、私有部署，数据还在自己手里。
• 科技发烧友：全模态 + 超长上下文 + 自进化 RL，是现在最能"把家底掀给你看"的一批开源模型之一。有实测博主就说了一句大实话——"第一次看开源这么彻底"。

当然也说句公道话，社区里也有人吐槽它"思考有点慢、偶尔啰嗦"。但架不住人家便宜、全能、还开源，这个组合拳，摆明了是要把"又强又贵"的闭源模型逼到墙角。

五、登顶之后，它给国产开源赛道递了张什么信号

这件事的意义，其实不止"小米拿第一"这么简单。

过去大伙默认一个逻辑：想变强，就得猛堆参数、猛砸算力，模型越大越牛。而 MiMo-V2.6 用 RL 走出了另一条路——靠"科学的训练方法 + 自我进化闭环"，把智力实打实练上去，同时把推理成本压下来。

这对国产开源赛道的连锁影响至少有三个：

1. 证明"靠 RL 把模型练强"这条路线走得通，而且开源社区人人能复现、能跟进。
2. 把"性价比"变成了硬指标：当一只开源模型既能打、又便宜、还能商用，闭源厂商的护城河会被一点点磨掉。
3. MIT 协议 + 全模态 + 百万上下文，等于给所有开发者递了一份"免费又顶用"的底座，谁来都能拿它搭自己的应用。

一句话总结：小米这波，不是靠"更大"，而是靠"练得更聪明"。RL 成了国产开源模型从"追赶"走向"叫板"的那根杠杆。

留个问题抛给评论区：

你更希望 AI 先"变强"，还是先"变便宜"？如果是你，愿意为一只更聪明的 AI 多掏钱，还是宁可它便宜点、够用就行？欢迎聊聊你的想法。

【免费下载链接】MiMo-V2.6-Flash-RL项目地址: https://ai.gitcode.com/XiaomiMiMo/MiMo-V2.6-Flash-RL