从造车到大模型，小米遇到两个世界|mimo|两个世界|大模型|小米集团|知名企业|神经网络

No.0383

Science Partner

Bring you to the side of

导读

小米长期以智能手机和消费电子闻名。它最擅长的，是把复杂技术变成价格可控、可以大规模制造和销售的产品。进入汽车行业以后，这套能力依然发挥作用，却也第一次直接地碰上了物理工业的另一套规律：产能需要一辆辆爬坡，安全要经过漫长验证，任何发生在公共道路上的错误，都不能像软件版本一样简单回滚。

但在另一个世界，小米突然跑得很快，快到拿了个第一名。

2026年9月21日，独立模型评测机构Artificial Analysis更新排行榜，小米最新发布的旗舰开放权重模型MiMo-V2.6-Pro获得46分的Artificial Analysis Intelligence Index，在其开放权重模型榜单中位居第一。模型拥有约1万亿参数，采用混合专家架构，推理时每个token实际激活约420亿参数。

46分意味着什么？

它追平了xAI专有模型Grok 4.7的最高成绩。Grok 4.7的xhigh和high推理配置目前在同一指数上也都是46分。MiMo同时超过了DeepSeek V4.1 Flash等开放权重模型；甚至超过了阿里巴巴9月发布的专有模型Qwen3.8 Max（0902），后者目前为45分。需要特别说明的是，Qwen3.8 Max并非开放权重模型，不能把它列入“开源模型竞争”之中。

一个以手机、家电和汽车为公众熟知的中国硬件公司，为什么会突然站到全球大模型第一梯队？

走，跟伙伴君来！

今日主笔｜晶恒

从造车到大模型，小米遇到两个世界

/ 01 / 这个第一是怎么来的？

先把“第一”说准确。

MiMo-V2.6-Pro目前拿到的是Artificial Analysis开放权重模型榜首，而不是全球所有AI模型第一。

在AA指数上，MiMo得分46，与Grok 4.7相当，但与最强专有模型仍然存在距离。Claude Fable 5.1在max和xhigh推理配置下达到53分，GPT-6 Astra的max配置同样达到53分，比MiMo高7分。

值得点赞的是，小米自己没有回避这一点。其9月22日更新的官方技术说明明确称，MiMo-V2.6-Pro虽然在AA指数上超过Kimi K3和Qwen3.8 Max，但与Claude Fable 5.1、GPT-6 Astra等最强闭源模型相比仍然存在差距。

上个图表，MiMo的位置会更清楚：

模型

AA Intelligence Index

权重

AA单任务成本

MiMo-V2.6-Pro

开放权重，MIT

$0.13

Grok 4.7 xhigh

专有

$3.74

Claude Fable 5.1 max

专有

$7.63

GPT-6 Astra max

专有

$3.26

所以，“世界第一”四个字的解释是，它把相当高的模型能力，压到了极低的使用成本上。有没有一种熟悉的味道？

这种能力很像小米过去十多年最熟悉的事情。不是首先创造一种别人从未见过的产品形态，而是在技术路线已经越来越明确的时候，通过工程组织、供应链能力和成本控制，把原本昂贵的东西迅速推向规模化。

只不过，这次对象从手机和家电换成了机器智能。

/ 02 / 小米把钱花在了后训练

MiMo-V2.6-Pro的进步，并不是因为小米突然发现了一套全新的神经网络理论。真正发生变化的，是钱和算力被投向了哪里。

过去几年，大模型竞争的注意力主要集中在预训练：更多GPU、更大数据、更大参数量。但进入2025年以后，领先实验室越来越多地把资源投入后训练，特别是强化学习。预训练决定模型“知道多少”，后训练越来越多地决定它能不能完成复杂任务：能不能写完一个软件项目，能不能使用工具，能不能在几十甚至上百个步骤以后仍然保持任务方向。

官方技术材料显示，MiMo-V2.6的强化学习不是把代码、通用Agent、视觉任务和网络安全完全分成几套训练体系，而是把多个领域、不同任务环境和不同Agent Harness混合进入同一次大规模强化学习过程中。技术报告把这种思路称为：You Only RL Once。也就是“强化学习只做一次”。它真正想解决的问题，是不同任务之间是否可以共享某些更底层的智能体能力：搜索、调用工具、发现错误、修正方案、重新执行，直到完成目标。

小米公布的数据也相当少见。

不到6天的公开强化学习阶段中，MiMo-V2.6-Flash和MiMo-V2.6-Pro分别完成30个更新步骤，两套训练累计生成约75万条轨迹；两者强化学习训练成本分别约为85万美元和262万美元。每一个更新步骤使用1568个样本，并支持100万token的长上下文训练。

需要注意，这里的“75万条”不是预先准备好的75万道题，更不是把同一批75万条数据训练30遍。它们是模型在训练环境中不断执行任务产生的trajectory，即模型尝试解决一个任务、使用工具、观察环境反馈、修正行动，整个过程形成一条轨迹。

换句话说，小米花出去的262万美元，并不只是为了让模型重新读一批数据。相当一部分算力是在购买“经验”。

/ 03 / 不只是判断对错

早期可验证强化学习有一个天然优势：答案比较容易判断。代码能不能通过单元测试，终端命令有没有完成目标，漏洞能不能成功复现...这些任务不像文学写作那样依赖人工主观评价，机器可以快速产生奖励信号。

但问题也很明显。

两个程序都通过测试，并不代表两个答案一样好。一个方案可能只修改三行代码，另一个可能修改几十个文件；一个真正解决了问题，另一个可能只是利用测试漏洞碰巧拿到了高分。因此，MiMo-V2.6没有只使用简单的“成功或失败”。小米加入了Groupwise Reward Synthesis和Groupwise Advantage Redistribution等机制，让评估模型把同一任务产生的多条轨迹放在一起比较。已经成功完成任务的方案，还会进一步根据解决路径、修改范围、实现质量以及是否存在reward hacking等问题重新排序。这非常符合强化学习的特点，即从“教模型得到正确答案”，逐渐进入“教模型怎样更好地完成工作”。

这也是为什么长程Agent任务成为2026年大模型竞争的重要战场。模型真正进入企业以后，人们并不只是问它一道数学题，而是希望它打开代码库、查资料、调用软件、发现错误、修改方案，然后交付一个结果。

当任务从一次回答变成一条工作流，真正稀缺的就不再只是知识，而是连续几十步仍然能够把事情做完的能力。

/ 04 / 汽车与AI，是两个世界

这也解释了一个看起来有些矛盾的现象。

小米进入汽车产业后同样投入巨大，而且扩张速度非常快。2025年，小米汽车全年交付411082辆，同比增长200.4%。到当年第四季度，小米智能电动汽车、AI及其他新业务已经实现11亿元人民币营业利润。说小米“造车失败”，显然不符合事实。

但汽车也让小米面对了消费电子和互联网产品中较少遇到的约束。

2025年9月，小米曾因高速领航辅助驾驶在极端场景下可能存在识别、预警或处理不足，对116887辆SU7标准版实施软件召回升级。此前一起涉及SU7的致命事故，也曾引发公众对辅助驾驶安全的讨论。这两件事放在一起，并不是为了证明“小米汽车不行”。它们恰恰说明，汽车和大模型处在两个反馈速度完全不同的世界。

一个模型在训练集群里做错了一百万次，只要能够留下有效训练信号，失败本身也可能成为资产。参数可以重新加载，环境可以复位，任务可以再次生成。

汽车不是这样。

一辆接近两吨的汽车进入公共道路以后，每一次系统判断都受到机械结构、传感器、道路条件、驾驶员行为、天气乃至监管规则的共同约束。数字世界允许快速、低代价地重复失败。物理世界要求企业尽量避免失败。

同样是小米，公司的组织能力，包括快速集中资源、追求工程效率、控制成本、形成规模等等，放在两个世界里，获得的反馈速度完全不同。在汽车产业，它仍然必须等待工厂、零部件、道路里程以及真实用户一点一点完成验证；在模型训练中，却可以把数百万美元算力集中在不到一周的时间里，让模型经历数十万次数字世界中的尝试。

资本没有改变、工程文化没有改变，唯一不同的可能就是试错的价格。

/ 05 / 小米这次还开放了训练“工具箱”

MiMo-V2.6还有一个变化，比单纯开放模型权重更值得观察。

小米官方宣布，此次不仅开放MiMo-V2.6-Pro和Flash的权重及技术报告，还公布了超过7000个强化学习任务环境、端到端RL训练框架，以及轻量级可组合Harness等研究资源。

7000多个任务环境覆盖软件工程、漏洞复现、知识密集型工作以及网页设计开发等任务。其端到端框架则覆盖环境交互、轨迹收集、奖励评估和策略优化等强化学习流程。

MiMo-V2.6-Pro模型权重本身采用MIT许可证。至于此次发布的训练环境、代码框架及相关依赖，则应以各自项目实际公布的许可证为准，不能笼统地说“全部采用MIT协议”。

这一步的意义在于，小米开放的不再只是一个训练结束后的模型。

它开始开放一部分制造这个模型的方法和工具。如果说2025年的开放模型竞争主要还是“谁能提供一个更强的权重文件”，2026年的竞争已经越来越是，谁能提供训练环境，谁能提供RL基础设施，谁能形成开发者习惯，谁就可能参与定义下一代模型怎样成长。