小米放出 MiMo-V2.6 权重：1.02T 稀疏 MoE 只激活 42B，原生全模态、1M 上下文、MIT 开源
9 月 21 日，小米 MiMo 在 Hugging Face 放出 MiMo-V2.6 系列的后训练权重 MiMo-V2.6-Pro-RL 与 MiMo-V2.6-Flash-RL（均 MIT 许可），并随仓附上技术报告。模型卡写明这是 1.02T 总参数、42B 激活的稀疏 MoE，原生支持文本、图像、视频、音频四种模态，上下文 1M token；骨干 70 层里 60 层滑窗、10 层全局注意力，路由专家 384 选 8，另带 5 层 MTP 推测解码器。视觉侧为 681M 的 MiMo ViT，音频侧为 308M 分词器加 127M patch 编码器。
训练方法是这一代的重点。官方称其为「You Only RL Once」：不再按领域分开跑强化学习，而是在同一批次里混合代码、通用智能体、视觉与网络安全任务及多种执行框架；RL 用完全异步 GRPO，每步 1,568 个 prompt × 16 条 rollout。配套的 Groupwise Reward Synthesis 与 Advantage Redistribution 让评分在组内比较轨迹质量，而不是只给通过或不通过。官方基准表里 Pro 的 DeepSWE v1.1 为 71.9、Terminal Bench 2.1 为 89.9、OSWorld-Verified 82.0、CyberGym 94.0，Flash 对应为 67.9 / 87.6 / 80.8 / 95.1。
它改变了什么：V2.5 Pro 在 DeepSWE v1.1 上只有 19.0，一轮混合 RL 之后同系列把这项推到 71.9，逼近 Claude Opus 5 的 74.0——说明「用 RL 拉长能力」在国产开源权重上已经能落到具体分数，而不只是训练过程的公开演示。边界要写清：表中除 V2.5 Pro 外的对照分数取自各家自己的公开口径，没有第三方复现；官方介绍页是 JS 渲染，我没能直读它的发布日。