小米发布了一款媲美前沿水平的全模态模型，还附上了训练配方

一家手机公司于9月22日发布了一款 AI 模型，最抢眼的数字是 46。这是小米 MiMo-V2.6 Pro 在 Artificial Analysis 智能指数（Intelligence Index）上的得分，公司称这是发布时开源模型所记录的最高分。

MiMo-V2.6 有两个版本。Pro 是大杯，Flash 是快杯。小米称 Pro 在大多数智能体基准测试中与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，并指出其在编程、计算机操作、3D 推理和创意任务上有所提升。这些模型是全模态的，意味着它们通过一套权重接受文本、图像和其他输入；它们使用规模化强化学习训练，而正是这一点既解释了它们的能力，也解释了它们的发布形式。

下载包里到底有什么

大多数开放权重的发布只交出权重，然后就到此为止。MiMo-V2.6 则提供了权重、技术报告、强化学习环境和训练代码。小米把这四样东西全部发在自己的网站上，而不是让开发者绕道某个带许可页面和候补名单的模型托管平台。

其中包含强化学习环境，才是真正有意义的差别。权重让你能运行一个模型。环境让你能重新训练它。当一个实验室公开它所训练用的环境时，它是在告诉你这种行为是怎么来的，而不只是这种行为是什么。对于任何想要复现结果、或用自己的奖励信号微调模型的人来说，环境才是真正有价值的产物。

这也提高了发布方为此付出的代价。公开环境会暴露训练信号的形态，而它更接近一份配方，而不是一个检查点。竞争对手读到它，就能省下一年的试错。小米似乎已经认定，在招募人才和建立可信度方面的收益要大过这一代价。

一家设备公司为什么要做前沿研究

小米不是一家恰好卖手机的研究实验室。情况恰恰相反，而这种定位也体现在全模态模型究竟擅长什么上。

手机是这类助手的天然归宿：它能读懂屏幕、理解照片、操作界面，还能用语音对话作答。从这个角度看，计算机操作、3D 推理和创意生成并非抽象的基准测试。它们是一个必须在用户手持设备上运行的系统组件，而且往往网络缓慢、还要顾及电量。把一个模型系列拆成主打能力的 Pro 档和主打延迟的 Flash 档，既是研究决策，也是设备路线图决策。

公开权重有两个目的。一是招募会在公开场合改进模型的研究人员；二是在一个能力宣称通常只能凭信任接受的市场里，为公司的地位托底。一个你可以自己下载并评估的模型，需要的营销更少，而小米争夺开发者注意力所面对的，是那些声誉完全建立在已发表成果之上的实验室。

全模态在实践中意味着什么

这个标签涵盖了一项具体的工程主张：一个模型通过共享表征处理多种输入，而不是把每种输入类型分派给各自的专家模型。对手机而言这很重要，因为另一种做法是运行多个模型再拼接它们的输出，而手机上的内存和延迟都很紧张。小米的 Flash 档出于同样的理由存在。一个在旗舰机上能一秒作答的模型，在中端设备或汽车里可能根本没法用，所以这个系列实际上是能力与延迟曲线上的两个点，而不是一次发布。

训练方法解释了其余部分。规模化强化学习意味着模型是针对奖励信号进行优化的，而不只是被训练来预测下一个 token，这正是近来全行业智能体性能跃升背后的方法。这也是环境与权重同样重要的原因。奖励信号的好坏取决于产生它的环境，因此公开环境更接近于公开一种方法，而非公开一个结果。

设备本身就是分发渠道

小米的优势在于，它不需要开发者生态就能触达用户。它把硬件送到数千万人手中，而一个跑在手机助手里面的模型，一个季度触达的人数就超过模型托管平台一年的量。这就是发布形式如此慷慨的原因。权重和配方让公司损失的许可收入相对有限，却能换来研究界的信任——否则他们只能凭一张基准测试的截图来评判这个模型。

风险与优势如出一辙。手机助手的好坏取决于它是否每次都管用，而一个每二十个任务就失败一次的智能体，在聊天窗口里只是烦人，在一台还负责支付、拍照和收发信息的设备里则是隐患。能力基准测试衡量不了这一差距，46 分的综合得分同样不能。

同一个周二，另外三场发布

时间点很能说明问题。9月22日，小米的模型与阿里巴巴的 Qwen-Image-2.1 一同登场——后者于9月20日开放权重，并在同一天的云栖大会上展示；同时还有腾讯的 Hy Image 3.5 预览版，这是一款专业图像模型，在腾讯云 API 上 2K 图像定价为每张 0.15 元。宇树也利用同一时间窗口发布了 Dex5-S，一款拥有 22 个自由度的灵巧机械手，起售价 6,500 美元。

阿里巴巴还借这场大会宣布，Qwen3.8-Max 在 Artificial Analysis 的智能体排行榜上位列第一，在前端编程的 CodeArena 上排名第一，并表示 Qwen4 正在训练中，后续模型的参数规模计划达到五万亿至十万亿。其 Qwen-Image 负责人指出，团队的目标是降低完成一项任务的成本，而不是把参数数量最大化——这与 MiMo 的双档结构所做的权衡如出一辙。

这些发布彼此并无协调，却都指向同一个方向。今秋中国 AI 的竞争问题，不是前沿级模型是否存在，而是你被允许握住其中多少。

基准测试的注意事项

像 46 这样的数字完全取决于其背后的指数，而 Artificial Analysis 的智能指数只是众多综合指标之一。与 Claude Opus 5 和 GPT-5.6 Sol 的对比由小米做出，用的是小米挑选的基准测试，而“大多数智能体基准”这一说法所承担的说服力，一张结果表格能做得更好。智能体基准测试尤其对脚手架（scaffolding）敏感：同一个模型，因周围框架不同，得分可能天差地别。

让这一宣称不止于营销的，是那份下载包。任何怀疑 46 分的人都可以运行这个模型、阅读报告，并在小米提供的环境里重新训练它。这比排行榜截图是更严苛的检验，而它之所以可行，只是因为公司选择把配方连同结果一并公开。