小米开源 MiMo-V2.6 多模态系列：Pro 版登顶开源榜，支持电脑操控

MiMo-V2.6 是 Xiaomi 最新开源的原生多模态模型系列，主打多模态感知、3D 空间推理，以及可以直接接管桌面的电脑操作能力。

系列包含面向主力任务的 MiMo-V2.6-Pro、速度更快的 MiMo-V2.6-Flash、轻量蒸馏版 MiMo-V2.6-Distill-Qwen-9B，以及输出速度提升最高达 20 倍的 MiMo-V2.Pro-UltraSpeed。这次 Xiaomi 不仅开放了模型，还同步推出了配套的桌面客户端。

它能做什么

MiMo-V2.6 系列最核心的进化是原生交互与空间理解。模型新增了 3D 空间推理能力，并具备直接操控电脑界面（Computer-use）的技能，配合官方桌面客户端，可以直接执行屏幕上的多步操作。

在公认的基准测试中，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 评测中拿下了 46 分（测试记录为 46.32 分）。这一成绩超越了 44 分的 Kimi K3 与 45 分的 GLM-5.3，拿下该榜单开源权重模型的第一名。此外，新版在 DeepSWE v1.1 编程基准上的得分也提升了约 14 分。

不过 Xiaomi 也很坦诚，在对比中注明目前头部闭源模型的得分是 53 分，开源模型与顶尖商业模型之间依然存在一定差距。

怎么训出来的

这套模型提升性能的关键，在于大规模强化学习。

Xiaomi 在不到 6 天的时间内，完成了 30 个强化学习步骤，整个过程消耗了大约 75 万条轨迹。后训练对算力的消耗非常直观：Pro 版本的强化学习阶段花费了 262 万美元，轻量版 Flash 也花费了 85 万美元。

除了模型权重本身，Xiaomi 这次还一并放出了强化学习相关的研究资源，供社区复现和研究。如果选择调用云端接口，API 价格维持与上一代 V2.5 相同。

为什么重要

对于想要搭建本地 AI Agent、做桌面自动化或处理 3D 视觉任务的开发者来说，MiMo-V2.6-Pro 是目前市面上综合能力最强的开源选项之一，配套的桌面客户端也大幅降低了让 AI 操作电脑的门槛。

更值得关注的是 Xiaomi 公布的真实账单。公开 262 万美元的强化学习成本与 75 万条训练轨迹，把前沿开源大模型的后训练代价直接摆上了台面。我们认为，这不仅证明了强化学习在开源多模态领域的有效性，也让整个开源社区看清了追赶闭源前沿到底需要多少真金白银。