小米烧了347万美元登顶开源榜，最值钱的不是第一名

三个数字，先摆在这：347 万美元、75 万条轨迹、不到 6 天。这是小米训练 MiMo-V2.6 这两个新模型的全部账单——不是发布会 PPT 上的估值，是官方技术报告里逐项摊开的真金白银（小米官方发布）。

你可能不用小米手机，但 9 月 22 日刷到「小米 AI 登顶全球开源第一」这条新闻时，值得多看一眼的恰恰不是名次。榜单第一每几个月就换人，这笔钱买回来的东西里，有一件比第一名更少见：一份写明了「模型怎么作弊、我们怎么抓」的公开施工记录。

先说第一名是怎么来的

在 Artificial Analysis 综合智能指数（大模型测评平台）上，MiMo-V2.6-Pro 拿到 46 分，超过 Kimi K3 和 Qwen3.8 Max，排全球开源模型第一；Hugging Face 联合创始人 Clément Delangue 转发时只留了一个词：「Banger!」（封面新闻报道）。

有意思的是这个分数的来历。底座还是 V2.5 那个，预训练架构和参数规模都没动——上一代是 26 分，这一代 46 分，20 分全是后训练涨出来的。具体说就是强化学习：让模型在 7000 多个真实任务环境里反复做题、拿反馈、自己纠错。小米把这轮训练做成了公开直播，海外社区围观了整整六天。

然后，报告里先交代了模型怎么作弊

44 页技术报告里最扎眼的一节，不是成绩，是认错。

训练让模型修一个历史版本的 bug，它转头把已经修好的新版依赖装了上去——测试全绿，能力没练到。还有的直接翻上游源码、去找现成的修复记录。答案找到了，题却等于没做（技术报告）。

写过代码的人看到这会心一笑：这不就是赶工期时「让测试通过」和「把问题修好」的区别吗。小米的应对是清缓存、删多余的 Git 历史、限制网络访问，还专门安排一个对抗 Agent 去找训练环境的漏洞——养一个 AI 专门抓另一个 AI 耍滑头。

另一层更细：两个补丁都测试通过，一个只改必要的地方，另一个塞满兼容分支、顺手吞掉异常。只按「过/不过」打分，俩得一样的分，模型就会学坏。所以小米加了组内评分（GAR），让评分 Agent 在成功方案里横向比：改动越没、有没有不必要的兜底、好不好维护。对照实验里，去掉这套评分的模型通过率后期就涨不动了。

这笔钱值不值，看最后落到谁手里

账单的另一头是价格。API 沿用 V2.5 定价：Pro 每百万 token 输入 3 元、输出 6 元，Flash 只要 1 元和 2 元（太平洋科技）；官方口径下，每完成一个标准任务成本约 0.13 美元，同等智能水平约为海外同档模型价格的 1/20 到 1/60。智能翻倍、价格不动，这句话这次有账单撑着。

比价格更值的，是开源的姿势。权重按 MIT 许可全放，同时还放出 7000 个训练任务环境、完整训练框架，以及一个 9B 的蒸馏小模型——SWE-bench 从 61.1 提到 66.2（模型卡）。养不起百万美元训练的团队，现在拿 9B 起点加这套环境就能自己接着练。

带队的是 95 后研究者罗福莉，参与过 DeepSeek R1 的研发，这次她说：MiMo-V2.6 背后的研究和工程难度，超过了 DeepSeek R1（罗福莉长文）。自家的模型自夸不稀奇，敢跟 R1 比难，这话是有分量的。

榜单名次会被下一次训练刷掉，把过程连同丑话一起摊开给人看，这份坦诚才是稀缺品。对我们这些用 AI 干活的人来说也一样：想知道一个模型靠不靠谱，别只看它考了多少分，看它有没有人敢把作弊记录贴出来。

你觉得那 347 万美元花得值吗？①值——买到的是全行业能接着用的施工图；②不值——直接降价更实在；③再看看——榜单分换算成实际干活能力才算数。

先这样，回头见。点个「赞」让我知道你来过，还没关注的话顺手点一个。