小米 MiMo 今天把 MiMo-V2.6 系列整体开源了。Pro 和 Flash 两个型号同时放出，都是原生全模态，权重和训练环境一并给到。官方稿件里最不安分的一句不是参数量、不是榜单名次，而是"探索 RSI 路径的关键一步"——递归自我改进。
一家做手机的公司谈 RSI，听上去越界。可正是这句越界的话，把这次发布和过去一年里那些例行公事的"我们又刷榜了"分开了。
Pro 和 Flash，不是同一家族的两个尺寸
Pro 负责把名字刻在榜单上
MiMo-V2.6-Pro 的坐标摆得很直白：Code Arena 的 WebDev 榜大约第 10，把范围缩到开放权重里，能排到第 3 上下；Artificial Analysis 的开放权重智能指数上，它坐到了头名。三个数字连起来看，意思很清楚——它不打算在"开源"这个小池子里自娱自乐，而是把脸伸到闭源旗舰那边去比。
两年前这事想都不用想。那时开源模型和闭源旗舰差着整整一代，榜单前列清一色是 API 生意。现在一家手机公司的模型团队能把名字挤进去，靠的不是情怀。
Flash 才是真正会被跑起来的那一个
按行业里通行的命名习惯，Flash 类模型不追极致分数，它追的是延迟、吞吐和单位成本。这类模型不出现在发布会的高光时刻里，它出现在 Agent 的循环调用日志里，出现在每小时几万次请求的账单上。
一个模型团队的工程水平，往往不看 Pro，看 Flash。Pro 能用更多算力、更长思考时间换分数，Flash 只能在紧巴巴的预算里做同样的事。两个型号同时开源，等于把自己的上限和下限一起摆出来了。
"原生全模态"这四个字，早就被用滥
业内叫"多模态"的模型很多，做法是把一个视觉编码器挂到文本模型旁边，中间接一层投影。这种拼装能跑通，但模态之间存在翻译损耗——图片被压成文本模型能咽下去的向量，信息在那一层就掉了。
"原生全模态"指的是从预训练阶段就把不同模态的数据混在一起喂进去，共用同一套参数去做对齐。差别不在演示视频里，在需要跨模态推理的任务上：看不懂图中表格的数字关系、听不出音频里的语气变化，都是拼装方案的老毛病。
RSI 不是宣传词，是成本结构问题
自我改进卡在哪，其实一直很清楚
RSI 的设想不复杂：模型提出改进方案，自己验证，自己迭代，人只在旁边看。真正卡住的是验证环节。模型能一口气生成一万个"更好的训练配方"，但判断哪一个真的更好，得真金白银跑一遍。评估不能自动化，递归就断在半路上。
所以谈 RSI 的团队，最后都会落到两件事上：评估能不能被自动执行，以及单次训练的成本能不能低到让模型自己试错。这两件事都不是算法问题，是钱的问题。
训练环境开源，比给权重重要得多
权重放出来，你能拿它做推理、做微调、做产品。但你想知道它是怎么被训练出来的，权重不会告诉你任何事。数据配方、奖励设计、rollout 策略、超参搜索的路径——这些才是模型能力真正的来源，也通常是最不公开的部分。
这次小米把训练环境一起放出来，意义在这一层。想复现的团队不用再从零猜，能顺着现成的地图走一遍。对 RSI 这类需要反复迭代训练流程的方向来说，环境比权重值钱。
把 RL 步数和花销写进通稿，是另一种自信
官方给了 RL 训练成本、步数和多项评测分数。这三样东西里，最有信息量的是成本。步数告诉你训练规模，分数告诉你结果，只有成本能告诉你这条路走起来贵不贵、别家跟不跟得起。
愿意公开这个数字的团队不多。它容易被横向比较，也容易暴露训练效率上的短板。公布本身，说明小米 MiMo 认为这个数字拿得出手。
榜单的含金量，得拆开看
第 10 名和第 3 名说的不是同一件事
Code Arena 的整体第 10 名，意味着前面有过半是闭源旗舰。开放权重里的第 3 名，意味着还有两个同类型的模型排在它前面。前者说明差距在缩，后者说明开源阵营内部本身就在激烈竞争——这两个结论方向相反，一个给人信心，一个给人压力。
开放权重这张榜单，现在是混战
过去一年，开放权重模型的迭代速度快得有点失控。每隔几个月就有新模型在某个子榜单上反超，然后又被反超回去。没有谁的位置是稳的，也没有哪个团队能靠一次发布吃半年。
在这种节奏下，"登顶某个指数"的宣传价值在下降。真正拉开差距的是发布频率、工程稳定性和下游采用的广度——这些东西不会写进新闻稿里。
分数和手感之间那条缝
评测分数是平均值的游戏。它在大量题目上取平均，抹掉方差，也抹掉了"这个模型在某些任务上会突然犯蠢"这类信息。做产品的人早晚会撞上这条缝：分数漂亮，但接进 Agent 循环跑三天，工具调用开始在某个边界条件下错得离谱。
所以看到评测数字，正确的反应不是信或不信，是去问它测的是什么、谁出的题、有没有被优化过。
要不要跟，先算两笔账
权重免费，推理不免费
开源省下的是授权费，不是运营成本。一个全模态模型跑起来，显存、带宽、并发调度每一项都要真金白银。Flash 在这一点上的价值被低估了——它不是为了刷榜存在的，它是为了让你在同样的预算里多跑几倍的请求。
复现门槛削掉一层，但没有削平
训练环境公开，能让复现少走很多弯路。但从环境到结果之间，还有集群规模、数据版本、工程细节这些变量。小团队照着走，大概率能跑通，大概率复现不出同样的分数。这不是小米的问题，是所有开源训练流程的共同局限。
对研究者来说，一个可运行、可修改的训练环境，价值已经超过一份精确复现的承诺。你能在里面做消融、换奖励函数、试新的 rollout 方案——这才是搞研究的用法。
MiMo-V2.6 这次值得记住的不是分数，是它摊在明面上的那几样：训练环境、成本、步数，以及一句关于 RSI 的自我定位。这些东西不会立刻变成产品，但它们决定了这个系列半年后还有没有人愿意拿出来讨论。
