9月22日凌晨，小米方面发布并开源了 Xiaomi MiMo-V2.6系列大模型。根据小米方面的说法，这是其探索 RSI路径的关键一步：以可验证的复杂任务为基础，规模化扩展强化学习算力。

　　价格方面，MiMo-V2.6系列沿用V2.5系列的API定价。值得一提的是，就在几日前的凌晨，小米MiMo大模型团队负责人罗福莉在X平台分享了MiMo-V2.6的实时训练页面，这也是外界首次看到这一代模型强化学习阶段的部分训练状态。

　　罗福莉公开的训练页面中包含两个版本，分别是MiMo-V2.6-Pro和MiMo-V2.6-Flash。根据当时的统计数据，MiMo-V2.6-Pro训练时长为1天19小时，耗费89万美元，平均每小时耗费超2万美元；MiMo-V2.6-Flash训练时长1天14小时，耗费39.7万美元，平均每小时耗费超1万美元。综合计算，两个版本训练合计每小时花费约3.1万美元。

　　小米方面称，此次训练主要从三个维度扩展了RL算力，支持1M上下文长度训练，单步训练Token达2.7～3.7B。构建了覆盖Code、General、Visual、Cyber等方向的多任务训练体系，并混合多个Harness；通过Group内相对比较，为Long-Horizon RL任务提供更精准、多样的奖励信号，形成模型自我改进闭环，并引导模型以更短路径、更少Token完成任务。小米方面称，公司已开源上述技术成果及配套资源，包括完整技术报告、训练环境与RL代码。