小米大模型训练成本曝光，六天耗费347万美元

近日，小米正式发布并开源其新一代MiMo大模型，推出了包含全模态旗舰模型MiMo-V2.6-Pro和高效推理模型MiMo-V2.6-Flash的系列产品，同时上线了支持超高速模式的Pro版本和MiMo Desktop桌面客户端，并提供了会员订阅方案。根据第三方评测平台Artificial Analysis的综合智能指数，MiMo-V2.6-Pro以46分的成绩在当前的开源权重模型中位居第一，超越了Kimi K3（44分）及GLM-5.3（45分），并与其前一代MiMo-V2.5-Pro（26分）相比显著提升。此外，在该评测榜单中，GPT-6 Astra和Claude Fable 5.1的得分为53。

同一平台还显示，MiMo-V2.6-Pro的单任务成本为0.13美元。小米表示，在相同的智能水平下，该模型的成本仅为海外模型的二十分之一至六十分之一，API定价沿用之前的V2.5系列。在此次发布的五天前，小米已提前公布了训练过程。9月17日，小米大模型团队负责人罗福莉在社交媒体上发布消息，透露MiMo-V2.6此时正处于强化学习的中间阶段，并且上线了实时训练页面，公开了进度、Token消耗及成本数据，这在国内大模型厂商中尚属首次。

在这次强化学习中，小米表示，训练过程共计花费了不到六天，其中Pro版本的训练成本约为262万美元，Flash版本则为85万美元，共同完成了30个步骤，累计生成了约75万条轨迹。罗福莉指出，这六天的训练得益于半年的基础研究和工程试错的积累。9月17日下午，两个版本的训练成本已突破135万美元，每小时耗费约为3.1万美元。

在成本曲线以外的页面上，训练配置也一并公开。罗福莉介绍，本次训练在三个方面实现了规模扩展：在算力上，采用了大Batch和全异步架构，单次更新使用了1568个样本，支持长达百万级的上下文长度训练，每一步训练的Token数量达到了2.7B至3.7B；在环境和工具上，构建了一个涵盖代码、通用、视觉和安全等领域的多任务训练体系，并混合运行了多个Harness框架；在评估计算上，通过组内相对比较的方式，为长程任务提供了更精准和多样的奖励信号。最终结果显示，训练任务的平均通过率分别提升了25%和12%。在样本外的长程软件工程评测基准DeepSWE v1.1中，Flash版本的分数从48.8提升至65.68，而Pro版本则从58.4上升至72.57。罗福莉表示，MiMo-V2.6很可能是目前国内开源模型中投入算力最多的模型之一。

根据投行的测算，高盛的研报指出，这两个版本在DeepSWE基准中最高分别达到了67.86分和72.57分，Flash版本的提升幅度超过了19分，而Pro版本则超过了14分。从成本来看，Flash版本每百万Token的成本大约为10美元，Pro版本则为35美元，在相同的支出下，Flash版本的分数增幅更大。估计这两个版本的训练分别是基于约4000个和8000个H200等效GPU集群。直播过程中发生了一些干预措施，包括基础设施错误重跑、不良数据集、零梯度任务以及GPU显存不足等问题。高盛认为，这暗示着强化学习的瓶颈正在向工程优化转变。

罗福莉在文中提出一个关键问题，即“强化学习究竟能扩展到多远”。她表示，强化学习是模型自我提升路径上一个具备较强可扩展性的方向。小米将此次发布视为探索递归自我改进（RSI）路径的重要一步。而在开源方面，小米除了发布Pro和Flash模型的权重及技术报告外，还开放了蒸馏版本MiMo-V2.6-Distill-Qwen-9B及其配套的强化学习代码，这些资源包括7000多个高质量任务环境、端到端训练框架和轻量化Harness，目的是帮助研究者复现和验证相关结果。基于该蒸馏模型的训练，SWE-bench Verified得分从61.1提升至66.2，Terminal Bench 2.1得分也从37.1上升至52.8。

尽管以46分登顶开源榜单，小米的模型距离全球最强模型仍存有差距。在综合智能指数总榜中，MiMo-V2.6-Pro的得分前还有GPT-6 Astra、Claude Opus 5、Fable 5.1和Muse Spark 1.3等闭源模型，小米是前五名中唯一的开源权重模型。小米表示，在大多数智能体评测中，V2.6-Pro已与Claude Opus 5和GPT-5.6 Sol平起平坐，但在综合智能指数上与领头羊仍相差7分。此外，单任务成本指标的出现又将大模型竞争引向了一个老生常谈的话题：在达到相同智能水平的情况下，成本的压低。