小米开源AI模型正重塑中国竞争格局

小米的豪赌

小米打造AI模型绝非玩票。这家手机与家电制造商刚刚发布了可能最具战略意义的一款产品——而且它与硬件毫无关系。

9月21日，小米推出了MiMo-V2.6-Pro，这是一个开源权重的大型语言模型，在Artificial Analysis Intelligence Index上得分46.32，与Grok 4.6持平，并以压倒性优势领先所有有记录的中国自研AI模型。比基准测试数字更关键的，是它的单次任务成本仅约0.13美元——这意味着它在"智能与价格交汇的帕累托前沿"上占据了独特位置，让闭源美系竞品相形见绌。

这不是一个增量式升级。这是中国顶尖AI人才不再需要在能力与可及性之间二选一的宣告。

关键数字

MiMo-V2.6-Pro采用混合专家（MoE）架构，共1.2万亿参数，每个token激活420亿参数——这一设计选择在效率而非蛮力上投入了重心。小米用三天时间、30轮强化学习、75万次学习轨迹完成了训练，Pro版花费262万美元，Flash版花费85万美元。

结果令人瞩目。在衡量长周期软件工程能力的DeepSWE v1.1基准测试中，Pro模型从58.4跃升至72.57，Flash模型从48.8攀升至65.68。这些不是边际改进——这类跃升决定了一个模型是能够写出生产级代码，还是仅仅在模仿代码。

小米还解决了奖励黑客（reward hacking）问题，即模型学会钻评估漏洞而非真正提升能力。公司采用对抗性评估、异常检测以及跨多奖励模型的交叉验证来保持训练稳定。

能力拉伸

编程只是起点。小米正将MiMo-V2.6定位为一款通用智能体，具备3D空间推理、多模态感知和计算机控制能力——他们将这一组合命名为"Vibe World"。

演示内容具体而实在：向模型输入文本、图像或视频，它能够将请求拆解、协调多个智能体，并构建可交互式检查和迭代的3D场景。公司展示了基于Blender的3D对象生成、游戏资产制作以及机器人仿真——多摄像头输入控制虚拟机械臂，在模拟环境中完成物体的抓取与放置。

它还创作了包含管弦乐与钢琴编排的音乐作品，将其转换为MIDI格式，并从一个单行提示生成了完整的演示文稿。在科研领域，MiMo-V2.6-Pro检索了论文和专利，设计了用于PFAS吸附的候选金属有机框架（MOF），并运行了相关模拟。在数学领域，它用Lean 4形式化了Li-Yorke定理（“周期三蕴含混沌”）的完整证明，生成了超过6000行已验证代码。

这些不是玩具式演示。它们是早期信号——当一个擅长编程的模型同时理解3D空间、并能串联智能体完成多步工作流时，会发生什么。

价格才是核心

每任务0.13美元的价格点值得更多关注。作为参照，领先的美国闭源模型对同类任务的收费显著更高——若在规模化token定价层面考量，往往相差一个数量级或以上。

小米为V2.6沿用了V2.5的定价结构，刻意保留了成本优势。结果便是：在Artificial Analysis的测量中，该模型落在"智能vs成本"的帕累托前沿上——换言之，没有其他模型能提供如此搭配的能力与价格组合。

这很重要，因为具有竞争力的开源权重模型正在改变全球AI采用的经济逻辑。新兴市场的开发者、小型创业公司和无法承受OpenAI或Anthropic账单的政府机构，现在有了一个可信的替代品，其能力几乎与之相当。模型权重已在Hugging Face上线，API访问则通过小米自有平台和OpenRouter提供。

中国的开源转向

多年来，开源权重AI的对话由美国模型主导——Meta的Llama、DeepSeek此前的发布，以及一些其他寥寥数款。中国AI行业则以闭源模型和国家支持倡议作为回应，受限于芯片制裁和资本门槛。

MiMo-V2.6发出了一个转变信号。中国如今正在产出在性能上匹敌、在价格上更优的开源权重模型——这是一种叠加开源优势的差异化策略。每一位下载MiMo-V2.6-Pro的开发者都在基于中国训练权重构建系统，参与到一个美国模型难以复制的数据网络与生态之中。

这也反映了更广泛的行业趋势：开源权重运动已不再是边缘哲学，而是一种竞争武器。闭源模型需要昂贵的基础设施并将用户锁定在特定生态内；开源模型则在扩散能力的过程中扩散影响力。

小米这一举措尤其引人注目，因为该公司本质上并非AI公司——而是一家消费电子制造商，带着可观的计算投入进入了模型竞赛。这表明中国科技巨头已将基础模型视为战略基础设施，而非可选的研发项目。

后续走向

几种可能性均可预期。首先，美国模型提供商将面临降价压力，或加倍投入开源模型尚无法匹配的能力——尽管这一差距正在迅速收窄。其次，来自中方实验室的开源权重模型将吸引更多开发者关注，尤其在价格敏感型市场。第三，围绕达到接近闭源模型性能的开源模型，监管审查可能加剧，从而引发关于安全治理的讨论——而目前的治理框架仍有利于闭源提供商。

小米还发布了MiMo Desktop，搭载声称输出速度提升最高20倍的Pro-UltraSpeed模式，将模型推理进一步推向终端用户，而非仅锁在云端API中。这种分发策略——Hugging Face上提供权重、API用于规模化部署、桌面端用于便利性——呼应了让Llama建立统治地位的那套 playbook。

MiMo-V2.6的发布清楚地证明了一件事：中国AI行业已不再仅仅在性能上追赶。它在同步重塑关于开放性、价格与能力的竞争规则。对于全球开发者而言，这是一个更好的结果——即便某些美国提供商感到威胁。