本文字数：2145｜预计3分钟读完
模型交卷，标签退场。
来源丨字母榜
作者丨小金牙
罗福莉从未遮掩对“天才少女”这四个字的嫌弃。
去年，她公开吐槽那些写自己的文章：事实错误一堆，如果自己是不认识罗福莉，看完也会给“买热搜”的评论点个赞。
一年多后，罗福莉又成了话题人物。
这回模型还没练完，小米就把训练进度挂到网上“直播”。
9月22日，MiMo-V2.6正式发布。Pro登上Artificial Analysis开放权重模型榜首。
小米还开放技术报告、RL版权重、约7000个训练任务环境和配套框架，普通用户也能通过桌面客户端直接使用。
去年11月，罗福莉公开宣布加入小米，到现在不过十个月。
罗福莉终于有了一份比“天才少女”更具体的成绩单。
1
模型亮相
9月22日，小米发布MiMo-V2.6系列，Pro和Flash同时上线。
两款都是原生全模态模型，文字、图片、音频、视频都能处理，模型权重也同步开放。
成绩很亮眼。
在第三方评测机构Artificial Analysis的综合智能指数中，MiMo-V2.6-Pro拿到46分，登上当时的开放权重模型榜首。
上一代V2.5-Pro的成绩是26分，从26到46，这次更新显然比版本号里那个小数点看着大多了。
能力涨了一截，价格却没有变。
MiMo-V2.6沿用上一代的API价格。按每百万Token计算，Pro的常规输入价格为3元，输出6元；Flash输入1元，输出2元。
对比罗福莉老东家DeepSeek，截至发稿，DeepSeek-V4.1-Flash每百万Token的输出价格，空闲时段是4元，高峰8元。
MiMo Flash的2元只有前者的一半、后者的四分之一；常规输入方面，小米的1元与DeepSeek空闲时段持平，也低于它高峰时段的2元。
从价目表上看，开发者已经多了一个更便宜的选择。
罗福莉也在X上提到DeepSeek R1。
她写道，MiMo-V2.6背后的研究创新和工程挑战，超过了自己曾部分参与的DeepSeek R1。
强化学习研究者Nathan Lambert看到新模型后直呼“有气势”。
这次发布也不只是上线一个模型。
模型、技术报告、训练资源和用户产品一起放出，MiMo团队打的是一套组合拳。
2
训练拆解
罗福莉给长帖起名《MiMo-V2.6：扩展RL的艰难之路》。
她说，按计算投入衡量，这可能是开源模型团队迄今进行过的最大规模单次RL训练之一。
RL就是强化学习。拿写代码来说，就是模型接到任务后不断尝试，再根据结果打分和调整。
小米这次想摸清的是增加尝试、扩充任务，再花更多算力检查结果，模型还能进步多少。
按照技术报告，一次训练更新会安排1568条任务提示，每条尝试16次，合计约2.5万次完整尝试。
不同任务耗时差别很大，团队要把训练、评测和资源调度衔接起来。
同时，模型也会“钻空子”。
早期实验中，团队发现，当MiMo遇到某个旧版软件的问题时，会直接寻找已经修好的代码。
团队因此要清理可能泄露答案的文件和缓存，限制相关网络访问，还安排Agent检查剩余漏洞。
代码通过测试后，还要判断方案质量，团队再用评分Agent细化反馈。
任务也不能简单混用。游戏、3D等任任务执行时间长、评价困难，团队会单独训练，再通过“蒸馏”让最终模型学习不同专项模型的长处。
小米此次还提到了RSI，就是“递归自我改进”。MiMo让模型参与出题和评分，尝试把训练中的一部分工作交给AI，为递归自我改进打基础。
公开“直播”的这轮RL训练不到6天。在样本外DeepSWE软件工程评测中，Pro从58.4升到72.6，Flash从约48.8升到65.7。
更受同行关注的是开放资源。
随后，还开放约7000个训练任务及配套环境、训练框架，以及一个学过MiMo解题经验的90亿参数模型，供研究者继续开展RL实验。
这对同行来说，无异于是能看菜谱，还能把厨具一起带回去试。
普通用户也有入口。MiMo桌面客户端同步接入Pro和Flash，可以直接拿文档、表格和实际任务试试效果。
3
团队成形
这次发布，可以是罗福莉加入小米后的工作的一个重要拐点。
2025年11月，罗福莉公开确认加入小米MiMo团队。
此前，她在阿里达摩院、DeepSeek做过研究，参与过DeepSeek-V2等模型研发；“雷军千万年薪挖人”的传闻早在2024年底就已传开。
很多人还没用过她参与研发的模型，就先记住了她的学历、年龄和身价。
罗福莉
一个年轻研究员被大老板挖走带队攻坚，三言两语勾勒热血漫。反而很少有人耐心看，她到了新公司究竟怎么做事。
今年3月，MiMo以Hunter Alpha匿名上线，被不少人猜成尚未发布的DeepSeek V4。
小米揭晓身份后引发关注，开发者讨论里仍然有“小米的营销一流”的评价。
到了这次，小米给外界留下的判断材料充足多了。
罗福莉作为团队负责人的风格也逐渐清晰。
今年3月，她在X上讲过自己推动团队使用Agent的经历。
她解释到，团队不按使用次数考核，目的只是让大家真正用起来，为此还提前买好设备、部署环境，让成员在群里一起尝试。
她还提到，MiMo团队不按预训练、后训练划成固定的小组。
有人对两个方向都感兴趣，分得太死反而会限制成长；项目有人负责推进，负责人也不意味着拥有绝对控制权。
这次谈到MixRL时，她又把技术选择和团队方式放在一起讲：模型要“混着练”，做不同研究的人也得坐在一起讨论，减少各管一摊的壁垒。
这些细节，让人看到了她在这方面的努力；这次的成果，说明了她带团队有自己的本事。
把这份工作简单归结为“天才”，实在省略了太多东西。
做出成绩，是天赋过人。进展稍慢，又怀疑当初是不是吹过了头。在这种讲法里，研究仿佛总该随着某个人的到来立刻发生突破，其他人的工作也很容易被略过去。
一次发布不能说明全部。模型能否持续进步，开发者是否愿意留下，桌面端的演示能否变成日常工具，都要靠后续表现。
至少这一次，罗福莉已经交出了一份不赖的阶段性成果。“天才少女”的标签，也终于可以往后放一放了。
热门跟贴