小米MiMo被曝酝酿独立融资,雷军与罗福莉意见不一
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。
小米发布MiMo-V2.6模型,称其为当前最强开源模型
动察 Beating AI 快讯,小米今日凌晨正式发布并开源了全新的 Xiaomi MiMo-V2.6 系列。团队表示,MiMo-V2.6 系列包含 Pro 和 Flash 两个原生全模态模型。得益于 RL 算力的扩展,MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index(AA 综合智能指数)中取得 46 分,超过 Kimi K3 和 Qwen3.8 Max,成为当前最强的开源模型;但与最强的闭源模型 Claude Fable5.1 和 GPT-6 Astra 相比,仍有差距。 团队称,MiMo-V2.6 系列沿用 V2.5 系列的 API 定价,MiMo-V2.6-Pro 刷新了中国国产模型的性价比纪录:在同等智能水平下,价格仅为海外模型的 1/20 至 1/60。
Artificial Analysis 评测:腾讯混元 Hy4 智能指数得 35 分,超过 DeepSeek V4.1 Flash 1017
火星财经消息,独立 AI 分析机构 Artificial Analysis 发布 Intelligence Index v5,新增 2 项基准测试并升级 3 项测试,60% 的指数评估基于私有测试集或保留答案。国产模型方面,Artificial Analysis 公布的评测数据显示,腾讯混元 Hy4 获得 35 分,DeepSeek V4.1 Flash 1017(max)获得约 33 分。据此前提供的榜单数据,Claude Opus 5.5(max)以 58 分位居首位,GPT-6 Astra(max)和 GPT-6.1 Sol(max)分别获得 57 分和 55 分。
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。
小米MiMo公开RL停了:两条训练烧掉347万美元
动察 Beating AI 快讯,小米 MiMo 公开直播的两条强化学习训练目前均已停止。Pro 和 Flash 最后完整完成的都是 30 个训练 step,两条 run 合计花费 347.47 万美元。其中 Pro 花费 262.07 万美元,Flash 花费 85.40 万美元。 砸钱换来的提升很明显。DeepSWE v1.1 上,Pro 从第 1 步的 58.41 提升到 72.57,涨了 14.16 分;Flash 从 48.67 提升到 65.68,涨了 17.01 分。但两条曲线中间都有明显回落,并非训练越久分数就一路上涨。 另外两个看板评测也在涨。Pro 的内部代码评测从 57.54 升至 65.43,AutomationBench 从 45.2 升至 53.1。 训练过程也没那么顺利。Pro 因专家负载不均触发过 GPU OOM,训练集群和评分器也断连重启过;Flash 因基础设施错误从 step 15 重跑。后期小米还过滤了对 Pro 已经过于简单的任务,并把出现异常 rollout 模式的 cyber 数据集从 Pro 后续训练中移除。
罗福莉憋了半年,小米把MiMo-V2.6强化学习直接直播了
动察 Beating AI 快讯,小米正在公开直播下一代 MiMo-V2.6 的强化学习训练。 负责人罗福莉称,团队沉默近半年,一直在研究强化学习到底还能扩展到多大规模。目前 V2.6 仍在训练,具体技术方案将在未来几周陆续开源。 这次一上来就把规模拉得很高。每一步使用 1568 个 prompt,每个生成 16 条 rollout,总计约 20 亿 Token,全程异步运行。代码、通用、视觉、网络安全和聊天等 Agent 任务,也被混在同一次训练里,并同时使用多套 harness。 外界可以实时看到每一步的任务组成、上下文长度、训练耗时等内部指标。UC Berkeley 博士生 Yichuan Wang 根据面板观察到,每一步约 1500 个任务,代码任务占约三分之二,同时活跃的沙箱超过 4 万个。