小米发布旗舰手机18 Fold 小米芯片、AI、OS三大自研技术首次集结
相关推荐
AI网络安全榜爆冷:GPT-6、Claude旗舰因安全拒答掉队,小米MiMo追平Grok登顶
动察 Beating AI 快讯,Artificial Analysis 推出独立的 Cyber Index,专门评测 AI Agent 做企业网络防御的能力。它不是从原来的通用 Intelligence Index 里抽几项测试,而是另外采用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项网络安全评测,分别测试漏洞审计与修补、漏洞发现,以及从发现漏洞到复现并修补的完整流程,三项各占三分之一。 首批榜单中,Grok 4.7(xhigh)和小米 MiMo-V2.6-Pro 同为 56 分,GPT-6 Luna(max)53 分,GLM-5.3-Flash 50 分。MiMo 平均每个任务成本只有 0.18 美元,Grok 4.7 要 11.67 美元;Luna 更低,只要 0.12 美元。 不过,这张榜不能简单理解成模型本身的网络安全能力排名。GPT-6 Sol、GPT-6 Astra 和 Claude Opus 5.5 都参加了测试,但在 CyberGym-E2E-AA 上几乎全部拒答,其中 Sol 和 Astra 拒绝全部任务,Opus 5.5 拒绝 98%。拒答直接记 0 分,Luna 反而愿意继续完成这些任务,所以综合成绩更高。Artificial Analysis 也表示,大量拒答让这些前沿模型的实际能力很难判断。 GLM-5.3 也出现了明显反常。完整版在 Artificial Analysis 的通用能力榜上高于 Flash,但这次 Cyber Index 只有 36 分,Flash 达到 50 分。主要差距来自 CyberGym-E2E-AA:Flash 得到 74%,完整版只有 29%。Artificial Analysis 暂未解释这一差距的原因。
小米承认MiMo-V2.6会「原地复读」:RL把坏习惯越训越严重,9万美元修复
动察 Beating AI 快讯,小米 MiMo 团队复盘了 MiMo-V2.6 上线后的工具调用重复问题。模型有时会反复调用相同或高度相似的工具,持续消耗上下文,但任务没有进展。在 OpenCode 中,Flash 和 Pro 出现重复工具调用的回复占比一度分别达到 1.02% 和 0.54%。 问题出在强化学习的奖励设计。训练主要奖励「最后有没有把任务做对」,却没有充分惩罚过程中的低效行为。原来的规则只有单轮工具调用超过 32 次才会处罚,32 次以下的重复调用完全不扣分。随着 RL 规模扩大,这种坏习惯反而被不断强化。小米回放训练 checkpoint 后发现,Flash 中单轮调用超过 10 次的异常样本比例从 step 0 的 11.1% 增至 step 20 的 24.6%。 最直接的办法是把惩罚阈值从 32 次降到 8 次,再重跑约 20 个 MixRL step,但预计要花 231 万美元。小米最终只训练了一个专门纠正重复调用的 RL teacher,跑 12 个 step、约 7000 个样本,再通过 MOPD 把这项能力合回 Pro 和 Flash。整轮修复约花 9 万美元,只有完整重训方案的约 4%,其他主要 benchmark 基本保持不变。 修复后的 MiMo-V2.6-Pro-MOPD 和 Flash-MOPD 权重已经开放,API 也已经切到新版,调用名称不变。小米还会重置 MiMo Desktop 用户当前周期的剩余额度。
Gate Launchpool三大项目同步进行,FOLD、LAPTOP当前最高APR分别达590.76% 和263.05%
Odaily星球日报讯 据 Gate Launchpool 页面显示,目前共有 3 个项目正在进行,分别为 Tether Gold(XAUT)、Hunter Biden's Laptop(LAPTOP)及 Interfold(FOLD)。其中,XAUT 矿池总奖励为 34 XAUT(约 14.29 万 USDT),USDT、XAUT、GT 三个矿池的 APR 分别为 3.35%、12.45% 和 6.38%,当前流动质押总额分别约为 9,845.85 万 USDT、3,125.88 XAUT 和 124.15 万 GT。 LAPTOP 矿池总奖励为 1,289,608 LAPTOP(约 10.41 万 USDT),LAPTOP、BTC 两个矿池 APR 分别为 263.05% 和 2.39%,当前流动质押总额分别约为 888.08 万 LAPTOP 和 853.64 BTC;FOLD 矿池总奖励为 2,029,221 FOLD(约 12.81 万 USDT),ETH、BTC、FOLD 三个矿池 APR 分别为 3.61%、2.49% 和 590.76%,当前流动质押总额分别约为 30,807.7 ETH、1,325.32 BTC 和 345.31 万 FOLD。
B.AI 专属福利来袭,Xiaomi MiMo-V2.6 系列限时特惠即将开启
ChainCatcher 消息,B.AI 宣布,小米最新 MiMo-V2.6 系列将于 9 月 25 日 15:00(SGT)开启专属特惠:MiMo-V2.6-Flash 享 1 折,MiMo-V2.6-Pro 享 5 折首发特惠。 该系列支持 1M 超长上下文与全模态理解,覆盖高频 Agent 与复杂推理场景,助力开发者低成本跑通 API 调用。
小米先公开MiMo-V3新架构:百万Token预填充计算量降80%
动察 Beating AI 快讯,小米 MiMo 团队公开下一代 MiMo-V3 将采用的 HySparse2 架构。它主要解决 Agent 越跑越贵的问题。Agent 每次只发出很短的指令,却可能从网页、终端和工具拿回大段内容。模型必须先把这些新内容读完;上下文越长,这一步越耗算力,KV Cache 也越占显存。 HySparse2 先把模型分成前后两段。前半段负责处理输入,后半段继续推理和生成。后半段需要的上下文信息,可以直接从前半段已经算好的结果生成,因此 prefill 不用再把后半段完整跑一遍。这个思路来自微软研究院 2024 年提出的 YOCO,名字就是「You Only Cache Once」,核心是让后半段共享前面算好的信息,少存缓存,也少做重复计算。 它同时重做了稀疏注意力。普通全注意力每次都要看完整上下文,HySparse2 只让少数层这么做。它们先从长上下文里挑出最相关的 1024 个 token,后面的层直接沿用这批结果,同时固定保留最近 128 个 token。上一代 HySparse 是每 64 个 token 打成一组再挑,只要一组里有重要信息,整组都要留下。现在改成逐个 token 挑,同样的计算量可以留给更多真正相关的内容。单独测试这一改动后,两项长文本检索成绩分别提高 6.57 分和 8.14 分。 论文用一款总参数 800 亿、每次激活约 30 亿参数的模型做对照。49 层模型在 prefill 阶段只需要跑前 25 层。输入达到 100 万 token 时,相比 MiMo-V2 系列采用的混合滑动窗口注意力,prefill 计算量降到约 1/5,KV Cache 从 12.09GB 降到 2.69GB。
小米 MiMo-V2.6 系列模型正式登陆 B.AI,全模态旗舰与高效版双端开放
ChainCatcher 消息,9 月 23 日,B.AI 平台宣布小米 MiMo-V2.6 系列开源原生多模态推理大模型全面上线,API 与 Web Chat 双端同步开放体验。该系列全系配备 1M Token 超长上下文与文本、图像、视频、音频全维度理解能力,其中 MiMo-V2.6-Pro 采用 1.02 万亿总参数 / 420 亿激活参数的稀疏 MoE 架构,专为仓库级软件工程、长周期 Agent 及复杂多模态推理打造;MiMo-V2.6-Flash 则基于 3090 亿总参数 / 150 亿激活参数架构,主打高吞吐与极速响应,面向高频办公自动化与大规模 Agent 调用场景。即日起,开发者与用户可通过 B.AI 平台直接调用两款模型。