MiMo v2.6速评 —— 开源第一之后，小米AI的投入题

9月22日，小米正式发布并开源新一代大模型MiMo-V2.6，包含Pro与Flash两个原生全模态模型。

旗舰版Pro采用稀疏MoE架构，总参数1.02万亿、激活参数420亿，支持100万tokens上下文。这一代的提升主要来自强化学习算力的规模化扩展，MiMo-V2.6-Pro在Artificial Analysis Intelligence Index（AA综合智能指数）上取得46分，超过Kimi K3和Qwen3.8 Max，成为当前最强的开源模型。

MiMo-V2.6系列沿用V2.5系列的API定价，智能提升、价格不变，把「智能-成本」的帕累托前沿再度向外推进；同等智能水平下，价格仅为海外模型的1/20至1/60，刷新了国产模型的性价比纪录。

这篇文章简单谈谈我对于MiMo 2.6和小米大模型业务的看法：

1. MiMo-V2.6在万亿参数的基础上，取得了AA综合智能指数46分的成绩，超过Kimi K3和Qwen3.8 Max，成为全球开源大模型第一，非常不易。在强手林立的开源阵营里，小米已经证明这支团队已经站到了最前列，尤其是对一家以硬件见长的公司来说，大家可以想想目前哪家智能手机厂商有顶级大模型。

V2.5之后我一直和机构投资者交流这样一个观点：在当前阶段，大模型对于小米而言，是比汽车更「简单」的赛道。这里的简单自然不是说轻轻松松就做出来了，而是说大模型不需要复杂的供应链和销交服，是否成功的评判标准也相对简单（例如AA评分就很清楚）。

小米汽车的成功是需要从产品定义、研发、定价、发布、舆论、交付和毛利等无数维度来决定的，而且不到最后一刻开盲盒，没有人敢说成功。而大模型就简单了，发布前基本就知道自己几斤几两；做的不好，大不了就不发布。

2. MiMo-V2.6定价仍然激进，再次刷新了全球大模型「斩杀线」。这一次的API定价沿用V2.5系列，Pro每百万tokens输入3元、输出6元，Flash更低，输入1元、输出2元，缓存命中的价格还要再低一个数量级。模型在变强，价格却不涨，等于把性价比的标杆又往外推了一截（这种性价比玩法也是小米最擅长的）。同价位的竞争门槛被整体抬高，后来者要么跟价，要么掉队，受益的还是广大开发者和用户，整个行业的使用成本被重新标定。

3. MiMo-V2.6让我们看到了小米和雷军做大模型的决心，尤其是从这一代起把重心放在了强化学习（RL）上。过去依赖蒸馏，补齐能力比较快，但天花板受制于老师；转向强化学习，每一步都要靠模型在真实反馈里自己试出来，会慢一些，可一旦走通，得到的是属于自己的能力。官方用Live直播公开六天训练，Pro和Flash分别花了约262万和85万美元、跑出约75万条轨迹，把试错摆在了台面上。走难而正确的路，一直是小米和雷军的底色。

4. 虽然MiMo 2.6很强，但小米自己也提到，与最强的闭源模型Claude Fable 5.1和GPT-6 Astra相比仍有差距。如此谦虚，一方面是因为最近大模型发布和下饺子似的，包括Kimi和Qwen的新模型都发布在即；另一方面是因为MiMo-V2.6只是开胃菜，真正的大招还是V3.0这个大版本，预计会是超大参数规模的世界顶级模型，时间点最快可能在年底。

5. 除了观察MiMo外，玄戒芯片也会是有意思的侧面印证。上个月的玄戒技术沟通会上，除了AI旗舰SoC玄戒O3，小米还拿出了高带宽AI加速芯片O100和智驾高算力芯片D100，这两颗都是算力芯片。玄戒的技术路径已经明显从SoC和IoT在向AI时代倾斜。如果小米在AI和大模型上的决心足够大，我们应该会看到玄戒自研云端算力芯片，对标谷歌和阿里的玩法。我和小米的朋友聊过，O100和D100足以成为云端算力芯片的起点。

6. 当下的最核心问题，在于小米如何支持大模型这样的超级大投入。手机和汽车这样的生意，后来者都还有机会，需求摆在那里，供应链成熟，可以用一代更比一代好的产品慢慢追上来；大模型没有这样的从容，投入必须在窗口期内完成。

巨头们的动作已经很清晰：8月下旬，阿里巴巴宣布配售800亿港元新股，净募资全部投向AI与算力基础设施，这也是它在港股上市以来的首次配股；9月初，字节跳动完成一笔近300亿美元的银团贷款，银行的认购热情让额度从最初计划的200亿美元提高到296亿美元；更早一点，DeepSeek在今年完成的两轮融资合计超过千亿元人民币，并已经开始筹备科创板上市。

这些公司本身的现金创造能力都不算弱，但AI开支正在快速吞噬它们的自由现金流：阿里上一季度资本开支676.78亿元、同比增长75%，自由现金流净流出扩大到446.70亿元；腾讯二季度资本开支527.84亿元、同比增长176%，自由现金流-138亿元，出现2005年以来的首次转负；两家巨头单季的资本开支加在一起，已经超过1200亿元。

强如阿里、腾讯、字节，如今也都进入了「主业造血、外部融资、全力押注AI」的阶段。回到小米身上，问题会更加尖锐一些：手机、IoT和汽车三条主业都处在波动区间，利润与现金流的体量无法和巨头相比，在自己造血有限的前提下，如何持续投入AI，就是小米当下最核心的矛盾。

7. 比资本开支更难的，是人的问题：全球能定义下一代模型的研究者，就那么一小群人。AI顶级人才的稀缺与昂贵，行业里已经没有争议，对小米来说，罗福莉和她带领的Core团队，是这一轮AI追赶中最宝贵的资产；而在人才争夺里，挖到人只是上半场，留住人才是下半场。如何让他们长期留在体系内，把研究能力持续沉淀为产品能力，是小米在资本账之外的另一道必答题。

8. 最后再谈一下金山云。我一直看好金山云的长期发展，因为它是小米AI价值链上不可或缺的一环。小米的AI战略无论未来往哪个方向走，训练也好，推理也好，端云协同也好，金山云都会作为唯一且最重要的基础设施存在。大模型和算力是一枚硬币的两面，没有办法分开计算。这次V2.6的强化学习训练，单步的token消耗就有27亿到37亿，往后的训练和推理需求只会更大，这些算力最终都要由金山云来承接。

澎程这一仗已经初步告一段落，比起下一场发布会上的掌声，我更关心一些更根本的问题：AI投入的节奏怎么排，组织怎么搭，资本怎么安排。从芯片到云、从模型到人才，小米在这条链上的布局已经铺开，接下来拼的是节奏与耐心。

小米AI叙事的真正成色如何，期待小米能尽快给我们一些线索和答案。

#小米科技[超话]##will的小米基本面研究#