先说简短的答案：2026 年 9 月 22 日，小米发布了 MiMo-V2.6 模型家族，并以 MIT 许可证公开了权重，该许可证几乎不附加任何条件地允许商业使用和修改。这个家族有两个模型：拥有 1.02 万亿参数的 Pro，以及拥有 3090 亿参数的 Flash。两者都在单个模型中接受文本、图像、视频和音频输入，上下文窗口最高可达一百万 token。在 OpenRouter 上，Flash 的起价为每百万输入 token 0.14 美元。对你的企业而言，这意味着两件事：一个许可证宽松的自托管选项，以及一个非常便宜的 API 选项，适合混合语音、图像和文本的任务。

小米实际发布了什么

两个模型都采用混合专家（MoE）架构，也就是说，每个 token 只激活一小部分参数。正因如此，运行成本远低于总规模所暗示的水平：

  • MiMo-V2.6-Pro：总参数 1.02 万亿，每步激活 420 亿，上下文长度 100 万 token。
  • MiMo-V2.6-Flash：总参数 3090 亿，激活 150 亿，上下文长度相同。
  • Pro-UltraSpeed：Pro 的一个版本，小米称其推理速度最高可快 20 倍，通过 API 提供，价格为十倍。

小米并没有止步于权重。它还发布了 7,000 多个强化学习训练环境，涵盖软件工程、漏洞复现、知识型工作和网页设计，同时公开了训练框架本身、技术报告，以及一个基于 Qwen 的 90 亿参数小型蒸馏模型。权重以 FP8 格式发布在 Hugging Face 上，无需申请访问即可下载。

它的性能究竟处于什么水平

Artificial Analysis 在其 Intelligence Index 中给 Pro 打出了 46.32 分。小米表示，这一分数使其领先于 Kimi K3 和 Qwen3.8 Max，成为发布时能力最强的开源模型，同时也承认它仍落后于 Claude Fable 5.1 和 GPT-6 Astra。

不过，模型卡上的对比表是拿它与上一代闭源模型比较，而不是当前一代。以下是它与 Claude Opus 5 的对比数据：

  • AutomationBench（任务自动化）：53.1 对 50.3。
  • Terminal Bench 2.1（命令行工作）：89.9 对 89.1。
  • DeepSWE（修复真实软件缺陷）：71.9 对 74.0。
  • OSWorld-Verified（电脑操作）：82.0 对 83.4。
  • 难度更高的 Terminal Bench 4.0：34.9 对 49.0。

客观的总结：在智能体和编程任务上，它接近上一代的顶尖水平，而在最难的任务上明显落后。不要把这次发布理解为最新闭源模型的同等替代品。

价格：改变运营账本的数字

在 OpenRouter 上，每百万输入 token 和每百万输出 token 的价格如下：

  • Flash：输入 0.14 美元，输出 0.28 美元。
  • Pro：输入 0.435 美元，输出 0.87 美元。
  • Pro-UltraSpeed：输入 4.35 美元，输出 8.70 美元。

举一个示例，基于我们自己的假设：一个客服助手每天处理 1,000 次对话，每次约有 3,000 个输入 token 和 500 个输出 token。合计每天 300 万输入 token 和 50 万输出 token。使用 Flash，成本约为每天 0.56 美元，大约每月 63 沙特里亚尔。使用 Pro，约为每天 1.74 美元，大约每月 196 沙特里亚尔。实际数字会随你的对话长度和上下文缓存而变化，但关键在于数量级：成本已不再是尝试它的障碍。小米称，Pro 的成本仅为同等智能水平国外模型的二十分之一到六十分之一；这是公司的说法，并非独立测量。

一个能听、能看、能读的模型

值得关注的是，一个模型就能理解全部四种输入类型。如今，如果你想要一个分析客户通话录音的系统，通常需要先用语音转文字服务，再用语言模型分析转写文本。销售人员用手机拍下的发票照片也是一样：先用一个服务从图像中提取文字，再用一个模型理解它。这条链上的每一环都意味着额外成本，也多了一个故障点。

多模态模型缩短了这条链：通话录音原样输入，收据照片原样输入，仓库摄像头的视频片段也原样输入。这简化了通话质量审核、单据自动录入会计系统、收货时检查商品照片等系统的搭建。但要注意，相关资料并未具体说明它在阿拉伯语或沙特方言上的表现，而这恰恰是你在做任何决定之前应当用自己的数据测试的内容。

在自己的服务器上运行：可行，但需要预算

MIT 许可证意味着你可以在自己的基础设施中运行该模型、修改它，并将其集成到商业产品中。这对任何处理个人数据的企业都很重要，因为沙特阿拉伯的个人数据保护法对向王国境外传输数据设有管控，而自托管可以让数据留在你自己的环境中。

不过，规模是实打实的。Pro 模型卡给出的参考部署方案是使用 vLLM 将模型拆分到 8 块 GPU 上，或使用 SGLang 拆分到两个节点上。Flash 需要拆分到 4 块 GPU 上。模型卡没有注明 GPU 型号，但如此规模的模型现实中需要顶级 AI 服务器。因此，激活参数为 150 亿的 Flash，才是大多数企业现实的自托管候选。我们在如何在自己的机器上运行大型 AI 模型一文中详细讲解了硬件方面的账。

在依赖它之前需要注意什么

  • 安全：Pro 在漏洞利用测试中明显落后，在 ExploitBench 上得分 47.9，而 Opus 5 为 70.0。如果你的任务是代码安全审查，它不是你的首选。
  • 数据路径：通过 API 使用它，意味着你客户的数据要经过外部提供商的服务器。对于敏感数据，自托管或在发送前匿名化是必需的，而不是可选项。
  • 厂商数据：大多数基准测试结果是小米自己公布的。请用你自己工作中的任务、以取自你自己数据的问题来测试它。

我们在 Origami 如何处理

我们不会把所构建的系统绑定在单一模型上。我们会加入一个中间层，使模型可以在不重建应用的情况下替换，然后用客户工作中的真实任务来衡量每个候选模型：准确率、每次操作的成本和响应时间。MiMo-V2.6 现在进入了这份候选名单，尤其适用于结合语音、图像和文本的任务，以及每月账单正是阻碍 AI 项目启动的场景。如果你有这样的任务，并希望在投入之前了解它的真实成本，欢迎联系我们。

资料来源