小米 MiMo-V2.6 登顶开源多模态：1.02 万亿参数，专治「Agent 只会聊天」

# 小米 MiMo-V2.6 登顶开源多模态：1.02 万亿参数，专治「Agent 只会聊天」

如果要给 9 月的开源模型排个座次，小米的 **MiMo-V2.6** 一定在前排。它一次性放出了 Pro 和 Flash 两款全模态（omnimodal）模型：**总参数 1.02 万亿、激活 42B 的稀疏 MoE**，文本、图像、视频、音频全都能处理，还带 **100 万 token 上下文**。Pro 版在 Artificial Analysis 智能指数上拿到 **46 分，是所有开源模型里的最高分**。

一、它凭什么「能打」

MiMo-V2.6 真正的卖点不是大，而是**它能干活**。在 Agent 相关的硬核评测上，它的成绩几乎和对面的闭源旗舰拉到了同一档次：

也就是说，**它不只是「看得懂图」，而是能操作电脑、调用工具、完成多步任务**——这才是「多模态 Agent」这个词真正该有的含义。

二、方法论：一次 RL 走通所有模态

更有意思的是它的训练路线，官方总结成一句话：**「You Only RL Once」**。

传统做法是给每种能力（编程、视觉、安全）分别做强化学习，成本高、容易互相打架。MiMo-V2.6 的思路是**一次混合 RL 把编码、通用智能体、视觉、网络安全全过一遍**，再配合两个机制：

这套组合拳的意义在于：**让「多模态」和「Agent 能力」不再是两张皮**，而是在同一个训练过程里长出来。

三、价格上有诚意

Flash 版把价格压到了：**输入 $0.14/百万 token、输出 $0.28、缓存命中 $0.0028**。对一个 1 万亿参数级别的模型来说，这个价位相当激进。加上**权重、技术报告、RL 环境、训练代码全部开源**，对想自建 Agent 的团队来说，可选项又多了一个。

四、该怎么看这条消息

2026 年的开源模型竞争，有个很明显的规律：**谁能在「智能体基准」上咬住闭源旗舰，谁就能拿到开发者的注意力**。MiMo-V2.6 的打法很典型——**不追求在所有榜单第一，但要在「操作系统级任务」和「工具调用」这些真正决定产品体验的地方，做到开源最强**。

小结

MiMo-V2.6 的出现说明，开源多模态正在跨过「能看能听」的阶段，进入「**能操作、能协作、能干活**」的阶段。对开发者而言，这既是机会（多了一个高性能又便宜的选择），也是提醒——**模型选型的标尺，该从「跑分」换成「能不能把活干完」了**。