小米開源 MiMo-V2.6 多模態系列：Pro 版登頂開源榜，支援電腦操控

MiMo-V2.6 是 Xiaomi 最新開源的原生多模態模型系列，主打多模態感知、3D 空間推理，以及可以直接接管桌面的電腦操作能力。

系列包含面向主力任務的 MiMo-V2.6-Pro、速度更快的 MiMo-V2.6-Flash、輕量蒸餾版 MiMo-V2.6-Distill-Qwen-9B，以及輸出速度提升最高達 20 倍的 MiMo-V2.Pro-UltraSpeed。這次 Xiaomi 不僅開放了模型，還同步推出了配套的桌面客戶端。

它能做什麼

MiMo-V2.6 系列最核心的進化是原生互動與空間理解。模型新增了 3D 空間推理能力，並具備直接操控電腦介面（Computer-use）的技能，配合官方桌面客戶端，可以直接執行螢幕上的多步操作。

在公認的基準測試中，MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 評測中拿下了 46 分（測試記錄為 46.32 分）。這一成績超越了 44 分的 Kimi K3 與 45 分的 GLM-5.3，拿下該榜單開源權重模型的第一名。此外，新版在 DeepSWE v1.1 程式設計基準上的得分也提升了約 14 分。

不過 Xiaomi 也很坦誠，在對比中註明目前頭部閉源模型的得分是 53 分，開源模型與頂尖商業模型之間依然存在一定差距。

怎麼訓出來的

這套模型提升效能的關鍵，在於大規模強化學習。

Xiaomi 在不到 6 天的時間內，完成了 30 個強化學習步驟，整個過程消耗了大約 75 萬條軌跡。後訓練對算力的消耗非常直觀：Pro 版本的強化學習階段花費了 262 萬美元，輕量版 Flash 也花費了 85 萬美元。

除了模型權重本身，Xiaomi 這次還一併放出了強化學習相關的研究資源，供社群復現和研究。如果選擇呼叫雲端介面，API 價格維持與上一代 V2.5 相同。

為什麼重要

對於想要搭建本地 AI Agent、做桌面自動化或處理 3D 視覺任務的開發者來說，MiMo-V2.6-Pro 是目前市面上綜合能力最強的開源選項之一，配套的桌面客戶端也大幅降低了讓 AI 操作電腦的門檻。

更值得關注的是 Xiaomi 公佈的真實賬單。公開 262 萬美元的強化學習成本與 75 萬條訓練軌跡，把前沿開源大模型的後訓練代價直接擺上了檯面。我們認為，這不僅證明了強化學習在開源多模態領域的有效性，也讓整個開源社群看清了追趕閉源前沿到底需要多少真金白銀。