#mimo · AI 短帖与讨论

小米把 MiMo-V2.6 反复调工具的毛病修了，修复报告写得挺实在。问题不难懂：模型对同一件事反复发工具调用，token 白烧，任务卡在原地，桌面版、Code、OpenCode 里都最明显。

根因那段是本篇的干货。训练的评分只盯着最后答案对没对，过程里绕的弯路、空烧的 token 没人记账；单轮里少于三十二次调用，系统压根不罚。奖励信号漏掉了这一块，模型自然学不会收手。

修法比问题更值得抄。官方没砸钱全量重训，先用大约十二步、七千条样本训了一个专打重复的小老师，再把它合进主模型，成本只有全量重训的百分之四。效果是重复明显变少、成绩基本没掉，开源权重带上 MOPD 后缀，API 同步更新，桌面版用户的额度还重置了。

报告在 mimo.xiaomi.com/blog/mimo-v2-6… ，权重在 huggingface.co/collections/Xi… 。

我的看法是这给所有训 agent 的人上了一课：贵的不一定是对的。四成本的定向小补丁解决了一个影响体验的大毛病，比堆算力重训划算得多，前提是先把根因测准，知道浪费漏在哪一环。

收在那句总结上：Agent 难的不是会调工具，是知道什么时候该停。

Rapid‑MLX 0.15.0 发布——头号卖点是在高内存 Apple Silicon 上本地跑 MiMo‑V2.6 Flash：309B 总参、15B 激活的 MoE，在 M3 Ultra 上跑到 49–59 tok/s；并验证过工具调用、结构化 JSON 输出，以及 prompt caching——15K 上下文的重复请求从 34.2 秒压到 0.95 秒（约 36 倍）。

0.15.0 的其他增量：Qwen‑Image 2.1 全量进 Server 与 Desktop（文生图＋编辑、Mac 内存默认值调优）、Gemma 4 Boost 解码提速至 1.16×、桌面端空闲 CPU 从约 60% 降到 1.2–3.6%，可靠性与体验也有改进（下载见文末）：rapidmlx.com/download

我的看法：这是本地部署线的正统第四击（57518 门槛→57780 四坑→57859 生图 Skill→这条：把 MiMo 搬进 Mac 的推理台），三组数字各讲一件事。

"15K 重复 34.2s→0.95s"讲的是记忆的复利——这正是 Pi 0.87"经历与视角分家"（58111）在推理层的镜像：该复用的缓存住下来，重复上下文就不再花全价；"空闲 CPU 60%→1.2–3.6%"讲的是桌面上的能耗账——观测面那篇（58032）里 pi-usage-widget 盯的正是这类"看不见的烧钱"，本地跑模型，省电就是省钱；"309B 总参、15B 激活"则重申降配曲线的老原则（57518）：MoE 的可跑性从来由激活参数决定，不是总参数。

四条更新里最实用的其实是 Qwen‑Image 2.1 的全平台收编——图片与视频工作流在同一台 Mac 上闭环（57859 那条"好看的图七分在配置"，现在配置端也一站式了）。

给 Mac 用户一句：先看你的内存档位、再选量化档（对照四坑篇三件套），跑通后把 15K 缓存那条功能打开——同一份上下文少付 35 倍的钱，就是这么来的。

数字与功能均为官方发布口径（0.15.0），实测以下载页与仓库 changelog 为准；性能随硬件与版本变化。

MiMo‑V3 的新架构核心 HySparse2 今日放出（按官方/作者帖转述，论文见文末）。先看三组对比——相对 V2.6 的 Hybrid SWA 架构：1M tokens 下 prefill FLOPs 降到 1/5.02、KV cache 缩到 1/4.5，同时 MRCRv2 与 RULER‑v2 分数更好、AgentPPL 与 LongPPL 更低——更少 prefill、更小 KV、更好长上下文检索，一次三得。

为什么值得为 agent 单开一档架构，原帖讲得很直白：agentic 推理是种很不一样的负载——每一轮，一个短动作会返回一段很长的观察、必须重新 prefill，而上下文还在持续增长；于是 prefill 成本、KV 大小、检索准确度三件事同时被顶上关键路径（这正是今晚观测面那篇 58032 在日常里盯的三个数字的工程根因）。

HySparse2 的手法四件：①KV Bridging——沿 YOCO 思路，cross‑decoder 的全注意力层直接从 self‑decoder 的隐状态构建 K/V；②KV Reuse——hybrid block 内，稀疏层复用紧邻全注意力层的 KV cache 与选择索引；③token 级选择替代块级选择；④用"近期 token 强制窗口"替代独立的 SWA 分支——局部与全局共用一个 KV cache；三改叠加还带来一个干净的结果：既然 cross‑decoder 的 KV 全部源自 self‑decoder，prefill 在 self‑decoder 完成时即可收工。论文：arxiv.org/pdf/2609.26368

我的看法：这是 MiMo 线的第八击·架构前瞻——七击讲了参数与榜单（58073），这条讲下一代怎么省着跑；三组数字里"5.02×/4.5×"与 RSI 那张小时表（57989）是同一条成本曲线的两端：那边算"要多少沙盒多少小时"，这边把每一步的 prefill 与 KV 直接砍到分数之一——轨迹量 × 单步成本，才是自迭代总账的真正乘数。

"短动作、长观察"这五个字也值得裱起来：它第一次把"agentic 负载"从体感变成了可测量的对象——短动作要长观察、观察要重进上下文、上下文还一直长，三个环节都在烧 prefill；工程手法里最巧的是第④件：把 SWA 分支整个取消、用强制窗口顶替，局部与全局共享一个 KV——少一条分支就少一次搬运，与"能拆才能自己改"（57927）异曲同工：简化的第一步，永远是先砍重复。

给选型者一句：长上下文排行榜看 RULER 与 AgentPPL，比看"支持 1M"四个字有用得多——1M 是容量，那两列才是质量。

架构、数字与评测均为原帖转述，细节与复现以 arXiv 论文及官方实现为准。

小米 MiMo-V2.6 上架 ModelScope、MIT 许可（按 ModelScope 官方帖转述，集合页见文末）。这一版把参数与榜单一次摆齐：

• 架构：1.02T MoE、激活 42B；文本、图像、视频、音频四模态＋1M 上下文——"为大规模强化学习而生的原生多模态 agent 家族"。
• 榜单（MiMo-V2.6-Pro）：Artificial Analysis 指数 46、DeepSWE v1.1 71.9、Terminal-Bench 2.1 89.9、OSWorld-Verified 82.0。
• 训练：一次混合 RL 把 coding、通用、视觉、网络安全四类 agent 同训——Pro 与 Flash 各 30 步、不到六天跑完，产出约 75 万条轨迹。
• 工作面：computer use、3D 创作、具身控制、编码、设计、视频与音乐工作流。

集合页：modelscope.cn/collections/Xi…

我的看法：这是 MiMo 线的第七击·参数与榜单角——六部曲发过发布、生态、成本，这次是能被逐条核对的硬数。三处对读最有味：①"AA 指数 46"把此前"前六阵营"的名次换成了分数（57594 那句"并列第一阵营"的量化版）；②"30 步、六天、75 万轨迹"与 RSI 那张小时表（57989）严丝合缝——那张表算的是"要多少沙盒多少小时"，这条交的是"我们真跑了多少步多少轨迹"——账与货对上了；③DeepSWE 71.9 这个榜，恰好是今晚 Macaron 四专家头（57851）同样在报的赛道——同一个基准上的国产选手，正在把它变成公共考题的常设科目。四类 agent 同训的"一次混合 RL"也值得记：这与"六件模块化"（57927）互为表里——能同训，说明四类任务的接口先统一了。给选型者一句：MIT＋ModelScope 意味着今天就能拉下来跑——别只看榜，拿你自己的题四模态各过一遍；1M 上下文与激活 42B 的组合，决定了它是"长上下文里省着跑"的那一档。

参数、榜单与训练口径均为官方帖转述，以 ModelScope 集合页与小米官方发布为准。

Sebastian Raschka（rasbt）给了一份分量很重的独立背书："MiMo-V2.6 is simply the best (for now)"——开源权重榜加权平均第 1，而且架构并不炫：经典 GQA + 滑动窗口注意力，窗口只有 128 token。

他借题发挥的核心论点正是他近几个月反复讲的那句：进步主要来自数据与后训练配方，花哨的注意力变体多半只是效率微调。

他从小米的技术报告里摘了三点（摘译）：其一，agent 任务占比加大、并且跨 harness 训练——在留出的 harness 上，DeepSWE pass@1 从约 50% 提到 66%；其二，奖励信号升级——用会看执行轨迹的 agentic grader 替换了只判对错的校验器；其三，RL 批次拉大——1,568 个 prompt × 16 条 rollout = 25,088 条轨迹、每次更新 27–37 亿训练 token（前代用量不明）。

引用里的 Artificial Analysis 数据把画像补得更全：Intelligence Index 46（前代 26）登顶开源权重榜首、单任务 $0.13 坐上成本前沿、价格维持 $0.435/M 输入（99% 缓存折后）与 $0.87/M 输出、1.02T 总参 / 42B 激活的 MoE。AA 全文页：artificialanalysis.ai

我的看法：这是今晚 MiMo 六部曲里含金量最高的一块拼图——前五篇多是自家与国内口径，Raschka 带着国际独立视角与方法论权威，而他摘的三点恰好把 57471 那台"发动机"翻译成了圈外话：跨 harness 训练对应"框架堆 → runtime"那篇（57493），agentic grader 对应 Experience Factory 的筛选端（57471），25,088 条轨迹的大批就是"经历工厂"的规模注脚——三处一一对应。

对选型的直接含义藏在"花哨注意力是效率微调"里：看架构别看名词，看它把钱花在数据还是花在结构上。

结论按 Raschka 推文与所引 AA 数据转述（"for now"是他自己带的限定），数字以技术报告与 AA 页面为准。

罗福莉写了一篇很长的 MiMo-V2.6 复盘，解读贴把它压缩成一个关键问题——预训练的 Scaling Law 跑了这么多年，RL 能不能也这么干？算力继续加、任务继续加、模型进更多真实环境，能力还能不能跟着涨？小米这半年基本就在赌这件事。

先看规模：一次更新抽 1,568 个任务、每任务 16 条 rollout——一个 Step 约生成 2.5 万条 agent 轨迹、消耗几十亿 token，Pro 与 Flash 各跑 30 个 Step。

真正难 Scale 的不是训练本身，是三样配套：其一，先得有足够多的"世界"——数学 RL 一道题一个答案，agent 却要写代码、开浏览器、调工具、看结果再决定下一步，于是同步扩张到 7,000 多个 RL 任务环境（Coding、通用 Agent、视觉 Agent、安全等），一条轨迹动辄几十上百步；其二，Harness 被塞进了训练（内部叫 You Only RL Once）——同一条模型，上一条轨迹在一种 Coding Harness 里干、下一条换一套工具与 Context 管理，目的是学会跨壳迁移，而不是适应某一个 agent 产品；解读人点名这是全篇最值得注意的变化：Harness 正从"模型上线后的壳"钻进训练本身。

其三，Reward 怎么给：16 条 rollout 可能全过测试，但有人只改三行、有人塞几十行 patch，有人五次调用定位问题、有人砸十几万 token 撞对——只按"过/不过"给 Reward，这些答案几乎等价；所以小米把大量算力砸进 Grader（多条成功轨迹比谁更干净、路径更短、token 更省，再重分 Reward），还得专门对付 Reward Hacking——模型一旦发现"骗判卷老师比真做更容易"就会这么干，于是堵漏洞、清答案泄露、做异常检测，再派 Agent 主动攻击自己的训练环境。

开源的也不只是模型：Pro、Flash、一个用 MiMo 轨迹训出来的 Qwen3.5-9B Agent 模型、7,000 多个环境、RL 框架与 mini-harness 一起放出。

解读贴的升华是全篇的落点：过去 Scaling 算的是参数、Token、GPU；现在模型开始拥有"经历"——进成千上万个环境、跑完整任务、失败重来、同时跑几十种解法，再花另一批算力判断哪些经历值得记住。

未来的稀缺品是一座 Experience Factory（经历工厂）：能持续生产任务、搭环境、维护 Harness、跑几十万条轨迹、把最好的经验筛回模型。同时他也踩了刹车："Self-Improvement 还早"——环境是人搭的、Reward 是人设计的、什么值得学习仍是人画的边界；但结论已经成立：下一轮 Scaling 不只发生在预训练集群里。

我的看法：把今晚凑齐的 MiMo 四张牌（价格、科研、评测、创作）放上去，这是第五块、也是最关键的一块拼图——前四张都是结果，这篇复盘给出了发动机。三处最值得记：Harness 进训练，与站内"外壳 vs harness"两面配对构成第三视角——壳从消费侧挪到了生产侧；派 Agent 攻打自己的训练环境，让防 Reward Hacking 本身变成一场攻防演练，安防侧应当记住这个套路；以及 Experience Factory 定义了未来"模型公司"的成本结构——门槛正从 GPU 规模转向任务生产、环境维护与 Grader 运营这类系统工程。

复盘内容转述自罗福莉长文的整理贴，具体数字以官方复盘原文为准。

一份给 小米 Mimo 2.6 Pro 的第三方上手实测，含金量在单价逐项列、假设写明：

价格牌：在"agentic coding + 缓存命中"的标准假设下——比 Kimi K3 便宜约 15 倍、比 GLM 5.3 便宜约 6 倍、比 DeepSeek V4 便宜约 2 倍，只比 DeepSeek V4.1 Flash 贵 2 倍；单价给出：缓存命中 $0.0036/M、输入 $0.435/M、输出 $0.87/M——他的评价是"难以置信的便宜"。

性能牌：无可争议地处在性能与质量的 Pareto 前沿上；Fast mode 官方称"最高 20 倍速"，他实测在 OpenRouter 上约 3 倍吞吐、p50 约 150 tokens/s（口径按其记述）。

安全研究牌（双刃）：它在网络安全类问题上基本不设防——多数模型会拒绝的缓冲区溢出类问题（他举了 ImageMagick 的例子）能给出像样的回答，CyberGym 拿到 95 分。

CyberGym 是面向真实漏洞发现的安全基准，95 分意味着它在这个垂直场景的可用性极高；框在安全研究与攻防测试的语境里看，这既是能力也是风险：对研究者是低摩擦的基准利器，对部署者则意味着"护栏必须自己加"——安全边界不能指望模型自觉，这一点正好呼应今天另一篇真车实验的结论。

为什么"假设"要写明：那组 15 倍、6 倍、2 倍全都挂在他设定的 agentic coding + 缓存命中率上——同一款模型，命中率高与低的账单能差出好几倍（另一条线里 Spotify 的案例正好说明缓存与路由对成本的杠杆有多大）。所以看便宜不便宜，先看任务形态与命中率假设，再看单价本身。

多模态牌：做信息类视频很顺（TTS 开箱即用、自动配音效），在 DAW 里作曲被他形容为"惊人地强"；官方技术报告还深入讲了 RL 是怎么 scale 上去的，值得一读。

我的看法：三张牌连起来看，MiMo 这条线今晚已经凑齐——早前的定价、官方案例（进实验室干"干实验"）、这份第三方实测——便宜、Pareto、不设防，每张牌都带着自己的使用前提。更难得的是作者的克制：对"是不是最佳开源模型"他只说"还早，但确实是强竞争者"——没把话说满的评测，才值得信。

以上为作者实测口径（含缓存命中与任务形态等假设），训练细节以官方技术报告为准。

AdinaYakup 这条把 MiMo V2.6 Pro / Flash 的关键 benchmark 一次性列齐了，值得逐项拆开看。

先把数字摊开：

MiMo-V2.6 Pro（1.02T 总参 / 42B 激活）

• DeepSWE: 71.9；
• AutomationBench: 53.1；
• Terminal Bench 2.1: 89.9。

MiMo-V2.6 Flash（309B 总参 / 15B 激活）

• 在多个 agent benchmark 上"接近 Pro"，但具体数字没列。

两个模型共同点：Sparse MoE、1M context、MIT 协议、原生 omni（text/image/video/audio 都支持）。

逐个 benchmark 看一下这些数字的实际含义：

DeepSWE 71.9——这是当下软件工程类 benchmark 里最有含金量的一个，由 SWE-bench 团队维护，要求模型解决真实 GitHub issue。71.9 这个分数意味着：在 100 个真实 issue 上，模型能直接给出可合并的 patch 接近 72 个。对比 GPT-6 之前的 SWE-bench Verified 大概 65–70 这一档，71.9 已经是开源 SOTA。

AutomationBench 53.1——自动化办公场景的 benchmark，覆盖表格处理、邮件分类、文档摘要、网页操作这类白领日常工作。53.1 意味着半数以上的任务能一次性跑通，对企业 ToB 应用是直接可用的水平。

Terminal Bench 2.1 89.9——终端命令执行类 benchmark，考察模型能不能在 CLI 环境下完成复杂的多步任务。89.9 这个分数属于"接近满分级"，意味着 MiMo Pro 在命令行 Agent 场景下已经能替代大部分人类开发者的工作。

几个值得展开的判断：

MIT 协议的工程意义——这次最大的信号不是性能，是许可协议。MIT 意味着任何人都可以商用、修改、闭源重发布，包括可以直接打包进自己的商业产品。对比 Llama 社区版的"LlMA 许可证"（年活 7 亿以上用户要申请特殊许可），MIT 这一档几乎是"放开用"。

1M context + omni 的组合——长上下文 + 多模态同时支持，开源阵营里这是第一个。Llama 4 也是 1M context，但纯文本；Qwen2.5-Omni 是 omni 但 context 偏短。MiMo V2.6 这个组合算是补全了"全能开源旗舰"的形态。

Flash 档"接近 Pro"的真实含义——15B 激活参数的 Flash 在多个 agent benchmark 上接近 42B 激活的 Pro，意味着激活参数翻倍并不带来效果翻倍——这跟"MoE 激活参数越多效果越好"的简单直觉不太一致。可能的解释是：很多 agent benchmark 上的差异来自训练数据 / RL 配方，而不是激活参数量。

对企业团队的几个 actionable：

• MIT 协议可以直接进生产——不需要担心授权问题，可以塞进 ToB 产品里；
• DeepSWE 71.9 + Terminal Bench 89.9 是 SWE Agent 的甜点组合——做自动化软件工程 / Coding Agent 的团队可以直接拿这套当底座；
• Flash 档适合做"高频轻量"工作流——客服、邮件分类、文档摘要这类场景，Flash 跑得动且成本只有 Pro 的 1/4；
• 本地部署的算力门槛——Flash 档 15B 激活在单张 H100 上能跑，Pro 档 42B 激活需要 2–4 张 H100 并行或者换 A100 80G 集群；
• 1M context 的真实价值——能塞进一整个中型代码仓库的全量上下文，做"仓库级"代码理解是这一档模型的新能力；
• 结合 Jev 路由做混合架构——MiMo V2.6 Flash 做基础推理 + Jev 做轻量分类决策，是当下最稳的开源组合。

这件事给整个 AI 工具生态的更深信号是：开源模型第一次在 Coding Agent 维度上全面追平甚至超越闭源旗舰。从今天起，"必须用 GPT-6 / Opus 5 才能做高质量 Coding Agent"这个叙事不再成立——MiMo V2.6 Pro 提供了 MIT 协议下的开源替代。

接下来 1–2 周，重点关注两件事：

• 独立第三方对 MiMo V2.6 Pro 在真实 SWE 工作流上的实测——AA 榜单和 lmarena 的更新；
• 国内厂商（智谱、月之暗面、阿里、DeepSeek）对 MiMo V2.6 的回应——是发新版对标，还是接入作为下游底座。

MaxForAI 这条挺逗的："昨晚同时发布的 Grok 4.7 和小米 MiMo V2.6 Pro 跑分居然一样 🤣 一时之间不知道是说马斯克拉完了还是 MiMo 人会飞了"。

这条信息量不大但说明一件事——xAI 和小米团队在同一晚（UTC Sep 21 22:00–23:59 / 北京时间 9 月 22 日早 6–7 点）撞车发版。

撞车这种事在大模型圈其实不罕见，但这次有点特殊：

• Grok 4.7 是 SpaceXAI / xAI 的旗舰迭代，AA Intelligence Index 拿 46 分进入"顶级四强"；
• MiMo V2.6 Pro 是小米开源 1.02T-42B MoE，AA 开源 SOTA。

按 AA 榜单的口径两边都是"顶级 / 顶级开源"这一档，跑分撞一起在数据上完全合理，但对市场叙事是个有意思的冲击——

• 对国内社区：国产开源首次跟 xAI 这种海外巨头"正面平手"，叙事价值远大于实际技术差异；
• 对海外社区：xAI 一直被视作"追赶者"，这次同分说明 OpenAI / Anthropic 之外真的开始出现"第三极"；
• 对学术界：MoE 路线（MiMo）和稠密路线（Grok 4.7）都能跑出顶级分数，证明架构选择不是关键瓶颈，数据和 RL 配方才是；
• 对消费市场：两边都是"免费档 / 同价档"，用户端不关心跑分，更关心中文 / 长上下文 / 工具调用这些"实际体感"。

跑分撞车这件事的几个 actionable 启示：

• 看跑分别只看绝对值，看"同分对手是谁"——Grok 4.7 和 MiMo V2.6 Pro 同分，说明这个分数段已经"拥挤"，再往上抬一档需要真正的范式创新；
• 跑分跟实际体感是两回事——AA 的 Coding Agent Index、AA-Briefcase、HLE 这些指标在"实际业务可用性"上还有差距，跑分高的模型不一定在你场景里最强；
• 国产模型叙事进入新阶段——从"追赶到接近"变成"平起平坐"，下一轮焦点是"在哪个细分场景做到全球第一"；
• 海外厂商开始正视中国开源——MiMo 这种开源 SOTA 出来之后，xAI / Anthropic 在国内的"独家优势"会被快速稀释；
• 关注跑分背后的 RL 配方和数据——MoE vs 稠密不重要，真正的差异在数据质量和 RL 工程，这一块 MiMo 的 MixRL / MOPD 思路值得反复研究。

接下来的判断：

• 一周内还会有更多第三方评测出来——AA、lmarena、LiveBench、HELM 这些榜单会陆续更新，先看独立评测再下结论；
• MiMo 跑分高 vs Grok 跑分高不重要，用户实际体感更重要——Agent 工作流、长任务稳定性、工具调用准确度才是落地差异；
• 跑分撞车反而给国内应用层更多选择——OpenRouter 一站接入，按场景路由到不同模型，用户侧不用关心到底哪家跑分高；
• 撞车发版背后是厂商节奏问题——这种事以后会越来越多，真正值得关注的不是撞车本身，是撞车之后谁的稳定性更好。

"鬼故事"这三个字起得挺到位——对国内 AI 行业来说，看到 Grok 4.7 和 MiMo V2.6 Pro 同分的那一瞬间，确实有种"鬼故事成真"的感觉。

MiMo V2.6 这次直接上了 OpenRouter，三档一起放出来——1T+ 参数的旗舰、开源 MoE、还有一档比旗舰快 10 倍的轻量版。三档都支持文本、图像、视频、音频输入，上下文窗口 1M。

对国内开发者来说这条信息有两层意义。

第一层：小米 MiMo 正式进入"全球分发"通道。OpenRouter 是当下最强的多模型路由平台，OpenAI、Anthropic、Google、Meta、Mistral 这些厂商的模型基本都在它上面。MiMo 这一上，等于把"国产顶级模型"的入口从国内代理出口一下子扩到了全球开发者面前——海外做 Agent / RAG / 多模态应用的团队不用再走国内代理，可以直接 OpenRouter 一站调用。

第二层：三档分工的设计。

• 旗舰档 1T+ 参数：定位是"能力天花板"，跑复杂推理、长链路 Agent、多模态理解这类重量级任务；
• 开源 MoE：定位是"可自部署、可定制"，适合对数据合规有要求的团队本地化部署；
• 快 10 倍轻量版：定位是"实时交互场景"，跑实时对话、工具调用、在线客服、低延迟 Agent。

这种"旗舰 + 开源 + 轻量"的三档结构，跟 OpenAI 的 GPT-6 旗舰 + GPT-5.6 Sol + GPT-4 mini 是同一种产品哲学——把模型拆成不同成本 / 速度档，让应用层按场景挑。

几个具体能力点值得圈出来：

• 1M 上下文——跟 Gemini 4 Pro 这一档齐平，国内模型首例做到这个量级的稳定上下文；
• 多模态原生输入——文本、图像、视频、音频一起进 prompt，不用先做 ASR / OCR 这种前处理；
• MiMo 的 RL 工程底子——上一条 LuoFuli 那篇已经讲过 MixRL / MOPD 的 RL 范式，这一代在 OpenRouter 上的性能大概率不会差。

对国内做 Agent / RAG / 多模态的团队几个 actionable：

• Agent 工作流里加一条 MiMo 路由——特别是中文长 prompt、多模态混合、实时交互这几个场景，MiMo 比纯 OpenAI 路线便宜很多；
• OpenRouter 自带的 fallback 机制——MiMo 限流了可以自动切到别的模型，路由配置上成本最低；
• 本地部署派可以试开源 MoE 这一档——1T+ 的旗舰放家里跑不动，MoE 这档是给自部署团队留的入口；
• 快 10 倍那档对实时场景特别值——做语音 Agent、客服实时对话、Agent 工具调用循环的，可以单独评估这一档。

MiMo 这一波"上 OpenRouter + 三档结构 + 1M context"组合拳，是国产模型今年最具标志性的产品动作之一。它不只是"又一个模型上线"，是国产模型第一次以"全球可路由"的身份出现在主流开发者的工具栏里。

国内做 AI infra / Agent 平台的团队，建议本周内把 MiMo V2.6 的三档都接进自己的多模型路由里——不接就少了一条当下性价比最高的路径。

LuoFuli 这条是 MiMo-V2.6 技术报告的"作者视角导读"——不是讲参数，是讲为什么这条路这么难走、以及团队怎么决定走法。

几个值得圈出来的工程判断：

1. "最大的单次 RL run 之一"

LuoFuli 直接说 MiMo-V2.6 应该是开源模型里"按算力计、单一团队承担的最大规模单次 RL run 之一"。这事本身是个信号：开源阵营已经从"堆预训练算力"过渡到"堆 RL 算力"的新阶段。MiMo 团队敢把几十人长期投入到一个目标上，等于把研究节奏赌在 RL 这一条主线上。

2. MixRL vs MOPD 的关系

• MixRL：在中等难度、可验证的任务（代码、相关 agentic 任务）上跑混合 RL，模型泛化得很漂亮；
• MOPD：把"难以验证 / 超长链 / 太难"的任务单独训练，再 merge 回来；
• 关键结论：两者不是非此即彼，而是按任务可验证性分工。

国内 Agent RL 团队最容易踩的坑是"把代码 RL 和游戏 RL 塞一个训练 pipeline"——rollout 效率会被长链任务拖垮，staleness 会把短链任务的信号稀释。MiMo 这套"分头训、再 merge"的工程实践对开源社区是个干净的参照。

3. 给社区的开源资源

• 蒸馏过的 Qwen 模型：作为 RL 起点，比从 base model 起步稳得多；
• 7K 多样化环境：覆盖 agentic RL 的常见分布；
• 完整 RL 训练框架：直接复现的关键。

对国内想做 Agent RL 的小团队，这一套组合 = "不用从 0 开始搭基建"，相当于开源版的"MiMo 工作流"。

4. 一个有"梗"的内部细节

"团队扁平、没组织 silos、MixRL 对我们不是难事"——这一段听起来像凡尔赛，但其实是 RL 工程文化的关键提示：跨域协作的密度决定 RL 能不能跑出超出单一任务的现象。RL daily update meeting 这种节奏，是 MiMo 这种团队能"持续往上抬一档"的组织基础。

对国内开发者 / 团队的 actionable 结论：

• 想做 Agent RL，先评估团队有没有"扁平 + 高密度跨域协作"的文化，否则 MixRL 这条路走不通；
• 拿 MiMo 的 7K 环境 + Qwen 蒸馏模型作为起步，比从头搭训练 pipeline 节省 3–6 个月；
• 代码任务 RL 化先做（可验证、信号清晰），长链 / 主观任务后做；
• 别迷信"开源大模型 + 一点 RL"就能撞出奇迹——RL 这条路是系统工程，不是 prompt hack。

LuoFuli 这条不只是技术报告导读，更像是"Agent RL 这件事的工程宣言"——值得反复读两遍。