本文要点
- 从论文背景变成HF上可见的MiMo-V2.6-Pro-RL模型卡。
- 从只看模型分数变成同时比较智能指数、参数规模和单任务成本。
- 从社区讨论CodeMidas转向追问RL任务工厂是否能支撑模型迭代。
阅读辅助
先看数字、证据和来源，再读正文。
MiMo-V2.6-Pro-RL在9月21日有可核验的HF发布增量。
2026-09-18T17:55:17Z · CodeMidas arXiv v1提交，提出从代码本身生成agentic coding RL环境。
MiMo-V2.6-Pro-RL今天的增量由三组证据构成。Hugging Face API显示模型卡在2026-09-21 15:39:33Z创建，并在20:12:22Z更新；Artificial Analysis模型页和X帖给出Intelligence Index 46、0.13美元每项任务、1.02T总参数和42B激活参数；HF模型卡还随附MiMo-V2.6技术报告，CodeMidas论文则解释了小米MiMo团队为什么把agentic coding RL环境作为模型迭代的底层供给。
可以确认的事实很有限，但足够构成今天的news peg。HF API是模型是否在目标窗口内出现的硬证据；AA是第三方benchmark和价格口径；CodeMidas是9月18日arXiv论文，只能作为背景，不能写成9月21日新发论文。社区里关于约45k RL任务和训练成本的说法有讨论价值，但现有证据没有把它们变成官方事实。
这件事对开发者的直接意义在于，开放权重模型的比较方式正在从“能不能跑”和“榜单第几”变成“同样的agent任务，单位成本是多少，任务训练环境从哪里来，是否能在私有场景里复现”。对企业买方而言，MIT许可、HF模型卡、多模态标签和AA价格表提供了初步筛选入口，但还不足以替代安全评估、部署成本测算和真实工作流评测。
今天新增了什么
本期只把9月21日发生的两件事当作新闻主体。第一，XiaomiMiMo/MiMo-V2.6-Pro-RL在HF API里出现，createdAt为2026-09-21T15:39:33Z，lastModified为2026-09-21T20:12:22Z。API还显示它是公开模型，pipeline为text-generation，标签包含multimodal、vision-language、audio、agent、video-understanding、long-context、license:mit、fp8等。
第二，Artificial Analysis把MiMo-V2.6-Pro列入模型页，称其在Artificial Analysis Intelligence Index上得分46，并在X帖中称其为开放权重模型第一。AA给出的价格口径是每100万输入token 0.435美元，带99% cache-hit discount，每100万输出token 0.87美元；按其Intelligence Index task计算，成本为0.13美元。这几个数字的意义不在于单点炫技，而在于AA把智能指数、价格和任务成本放在同一张比较表里。
需要把时态和归因写清楚。AA原文说的是“debuts as the top open weights model”，意思是在该榜单上首次亮相并位居开放权重模型第一；它还说“retains the same attractive pricing”，意思是相对上一代或既有口径保持相同价格，并不是“再次降价”或“再次提高性价比”。如果把retains误写成主动降价，读者会误判小米今天做了新的价格动作。
| 证据链 | 能证明什么 | 仍需补齐 |
|---|---|---|
| HF模型API | 模型卡创建、更新、公开状态、标签和sha | 不能证明模型实际能力优于所有开放模型 |
| HF模型卡 | 模型页面、许可标签和技术报告链接已公开可见 | 仍需生产部署评测和成本明细 |
| Artificial Analysis | AA榜单指数、价格、参数和成本口径 | 不能代表所有评测集和业务负载 |
| CodeMidas arXiv | RL环境构造方法和训练数据规模 | 不是9月21日的新发布 |
| X和社区讨论 | 传播速度、开发者关注点和待验证线索 | 不能单独承载训练成本等硬事实 |
CodeMidas为什么只是背景
CodeMidas论文的提交时间是2026-09-18T17:55:17Z，不属于今天的新论文。它仍然要放进这篇深度页，因为它提供了理解MiMo路线的关键背景：团队试图从已有开源代码库里自动构造可执行的强化学习环境，而不是只依赖issue、commit或人工写好的任务描述。论文摘要把这个流程概括为让agent参与环境构造的每一环，包括探索已实现功能、形成行为规范、基于原代码执行构造测试，以及通过执行检查和多次solution rollout过滤候选任务。
论文披露的数据规模是5,545个训练任务，来自3,185个开源代码库，覆盖23种编程语言和15个技术领域。在训练效果上，摘要写到用这些任务训练MiMo-V2.5并采用GRPO后，五个benchmark都提升，其中DeepSWE提升11.7%，ProgramBench提升17%，Terminal-Bench v2.1提升8.5%。这些数字说明CodeMidas不是单纯的数据收集论文，而是在回答一个更贴近coding agent的问题：可验证任务从哪里来，如何避免模型只会刷静态题库。
| 指标 | CodeMidas披露数字 | 早报解读 |
|---|---|---|
| 训练任务 | 5,545个 | 数据规模已越过小样本实验，但仍需看任务质量和去重 |
| 来源仓库 | 3,185个 | 任务来自真实开源代码，覆盖面优于少数手写环境 |
| 语言覆盖 | 23种 | 有助于降低只适配Python或JS的偏置 |
| 技术领域 | 15个 | 说明任务不是单一框架或单一应用域 |
| DeepSWE | +11.7% | 指向issue repair能力提升 |
| ProgramBench | +17% | 指向whole-program construction能力提升 |
| Terminal-Bench v2.1 | +8.5% | 指向终端工作流能力提升 |
这里的边界也很重要。CodeMidas证明的是“从代码本身规模化构造RL环境”这条路线有论文级证据，并且在MiMo-V2.5训练上看到增益；它不能直接证明MiMo-V2.6-Pro-RL今天的所有能力都来自CodeMidas，也不能证明这些任务在外部团队复现时会得到同样收益。把CodeMidas写成MiMo-V2.6的完整训练配方，会过度推断。
榜单数字应如何读
AA模型页给MiMo-V2.6-Pro的核心画像是：开放权重、Xiaomi、2026年9月发布，Artificial Analysis Intelligence Index为46，成本栏给出输入0.435美元、输出0.87美元和99% cache-hit discount，模型规格栏给出1.0T级总参数和42B激活参数。HF API和AA页面在模型规模方向上互相印证，但AA的具体“第一”是AA自己的榜单结论。
这意味着两个层面的判断要拆开。模型已经在HF出现、模型卡当天更新，这是高置信事实；AA认为它在开放权重模型里位居第一，这是中等置信的榜单事实；它是否在真实coding agent工作流中比其他开放权重模型更划算，则仍是待验证问题。AA的“每项任务0.13美元”来自其Intelligence Index task口径，适合横向比较AA榜单内模型，不应直接换算成企业工单成本。
| 口径字段 | 可确认含义 | 写作边界 |
|---|---|---|
| createdAt 2026-09-21T15:39:33Z | HF模型API显示模型卡当天创建 | 小米今天完整发布技术报告 |
| lastModified 2026-09-21T20:12:22Z | HF模型API显示模型卡当天更新 | 模型能力当天发生二次升级 |
| top open weights model on the AA Index | AA榜单称其开放权重指数第一 | 全网所有开放模型第一 |
| retains the same attractive pricing | 保持同一价格口径 | 再次降价或再次提高价格优势 |
| with a 99% cache-hit discount | 输入价格包含99%缓存命中折扣口径 | 所有请求天然享受99%折扣 |
如果只看指数，MiMo-V2.6-Pro是一个开放权重模型的能力新闻；如果把指数和成本放在一起，它更像是开放权重阵营向闭源模型常用叙事发起的一次压力测试。闭源模型通常用综合能力、工具生态和托管体验解释溢价，开放权重模型则用可部署、可审计和低成本争取开发者。MiMo这次让“低成本”有了一个第三方榜单口径，但真正能否成立，还要看企业负载里缓存命中率、上下文长度、吞吐、稳定性和模型服务成本。
影响对象
对开发者而言，这条新闻最可操作的部分是多了一个可跟踪的开放权重候选。HF模型API给出模型ID、sha和标签，AA给出榜单页，CodeMidas给出训练环境论文，这三类来源足以让开发者建立一个评测清单：先看许可证和模型加载约束，再看coding agent任务的真实表现，最后看推理成本是否仍符合AA的相对优势。
对企业买方而言，MiMo-V2.6-Pro-RL的吸引力在私有部署和成本试算。1.02T总参数和42B激活参数意味着它不是轻量模型，部署门槛、显存规划、吞吐稳定性和运维复杂度都需要单独测算。AA给出的token价格适合判断市场定位，但如果企业的请求没有高缓存命中，或者任务需要长链工具调用和多轮自校验，真实成本可能偏离榜单口径。
对模型厂商和研究团队而言，CodeMidas提供了更值得关注的竞争变量：agentic coding模型的训练任务不再只是“收集更多题”，而是如何从真实仓库抽取可执行、可验证、难度可控的任务。论文强调agent参与任务生成、鲁棒性检查和难度评估，这说明训练数据工厂本身正在变成模型能力的一部分。
早报判断是，用“开源追上闭源”概括这条新闻会过度简化。更准确的说法是，开放权重阵营正在把竞争问题改写成工程问题：谁能持续产生可验证的agent任务，谁能把MoE规模压到可接受的激活成本，谁能让第三方评测和真实业务负载之间的距离足够小。MiMo今天给出了一个值得追踪的样本，但还没有给出完整答案。
当前最大的风险是把榜单口径当成业务结论。AA的指数和成本对横向比较有价值，CodeMidas的论文数字也有价值，但企业真正关心的是迁移后能否稳定完成代码修改、测试、终端操作和多轮审查。等到第三方把MiMo放进真实coding agent harness里跑完，再谈“成本优势是否可兑现”会更稳。
后续看什么
第一类跟踪点是小米自己的披露。技术报告已经随HF模型卡提供，后续更应看训练数据构成、RL任务数量、CodeMidas在新模型中的占比、推理服务价格和许可证边界。尤其是社区转述的训练成本和约45k RL任务，必须等官方或论文级材料确认后再进入事实层。
第二类跟踪点是AA和其他评测机构的分项复核。AA页面已经给出Intelligence Index、速度、成本和参数信息，接下来更关键的是具体任务分项、样本泄漏控制、长上下文任务表现和工具调用稳定性。若其他榜单在coding agent、终端任务和多模态输入上给出类似结果，MiMo的开放权重位置才会更稳。
第三类跟踪点是真实开发者工作流。OpenCode等工具链已经出现MiMo V2.6 Flash和Pro可用的传播线索，但这类生态信号仍需区分“接入可用”和“效果可替代”。对开发者来说，最值得记录的不是某个榜单名次，而是在代码修复、测试生成、仓库探索和命令行执行中，MiMo能否以更低成本保持足够高的成功率。
把今天的新闻收束成一句话：MiMo-V2.6-Pro-RL在9月21日有可核验的HF模型卡增量，AA给它一个强势的开放权重成本位置，CodeMidas解释了背后的任务供给路线。三者共同构成一个值得深挖的开放权重样本，但训练成本、真实部署优势和长期稳定性仍要等待更多证据。