开源模型发布正在从“给出权重”转向“交付一套可继续训练、评测和执行的系统”。
小米MiMo团队于2026年9月22日发布并开源MiMo-V2.6系列，包括MiMo-V2.6-Pro和MiMo-V2.6-Flash，并推出最高可达普通Pro模式约20倍输出速度的UltraSpeed版本。官方把这一代模型定位为原生全模态模型，覆盖文本、图像、视频、电脑使用、3D空间推理和Agent任务。
如果只看模型规模、榜单位置或聊天效果，这次发布与其他开源模型并没有本质区别。更关键的信息是：MiMo团队同步公开了强化学习训练环境、RL代码和技术报告，并把长周期软件工程、自动化流程、视觉任务、网络安全任务、3D生成和具身仿真放入同一体系。日报给出的判断很准确——“模型+环境+训练代码+Agent Harness”的组合，比只公布一个聊天模型更有可复现价值。
这意味着开源竞争的基本单位正在变化。权重决定模型初始能力，环境决定它能练什么，奖励决定它会优化什么，Harness决定它能否把能力变成稳定行动。
一、为什么开放权重还不够
一个开源权重可以回答问题，却未必能完成任务。Agent要在真实或模拟环境中持续行动，至少需要四层结构：
- 模型层：理解状态、规划步骤、生成工具调用或控制信号；
- 环境层：提供代码仓库、网页、桌面、仿真器或机器人等可交互对象；
- 反馈层：判断动作是否有效，给出奖励、错误或终止信号；
- Harness层：连接模型与环境，管理提示词、工具协议、状态、轨迹、预算和安全边界。
仅开放权重，研究者仍要自行猜测训练时使用了什么工具格式、如何截断上下文、怎样处理失败、何时判定任务完成。最终，每个团队都搭出不同的执行框架，评测结果难以比较，复现实验也会把大量时间耗在基础设施上。
开放RL环境和代码，价值在于暴露能力形成的接口。研究者不仅能调用模型，还能观察任务如何被表示、轨迹如何产生、奖励如何计算、失败样本如何回流训练。对于Agent研究，这些信息往往比一次静态推理结果更重要。
二、MiMo-V2.6把哪些任务放进了同一训练体系
根据小米官方披露，两款模型在不到6天内分别完成30个RL Step，涉及约75万条轨迹。训练混合了长周期软件工程、自动化流程、视觉任务和网络安全任务；官方还称DeepSWE v1.1长任务Benchmark在训练过程中明显提升。
这些任务的共同点不是“都需要推理”，而是都存在环境状态和可验证结果。
软件工程任务中，模型要读取仓库、修改文件、运行命令、观察测试结果，再继续修复。自动化流程要求模型跨多个工具保持目标。视觉任务要把图像或视频状态转成动作。网络安全任务往往需要在受控环境中执行操作并根据反馈调整策略。它们都不是一次生成答案，而是形成一条“观察—行动—反馈—再行动”的轨迹。
约75万条轨迹这个数字本身不能直接代表能力。轨迹可能长短不同、难度不同、有效信息密度不同。更值得关注的是，MiMo团队把轨迹生产、环境执行和多任务RL组织成了一条短周期迭代链。30个RL Step如果能够稳定运行，说明训练对象已经不只是文本样本，而是可持续产生经验的任务系统。
这也是Agent训练与传统指令微调的区别。指令微调主要学习“面对某种输入应输出什么”；环境强化学习学习“在连续反馈下，怎样调整行动直至达到目标”。后者对环境稳定性、奖励可信度和轨迹基础设施提出更高要求。
三、RL环境的核心不是逼真，而是可控、可判分、可重置
很多人把Agent环境理解成一个复杂模拟器。实际上，训练环境首先必须满足工程条件。
可控，意味着模型的动作范围、工具权限、网络访问和资源预算可以明确限制。否则训练过程可能被外部变化干扰，也可能产生不可接受的安全风险。
可判分，意味着任务结果能够被自动或半自动验证。代码任务可运行测试；电脑操作可检查目标状态；3D对象可依据结构和渲染结果评估；机械臂任务可判断抓取、放置和碰撞情况。奖励如果只依赖另一个模型的主观打分，训练容易放大评估器偏差。
可重置，意味着每条轨迹都能从一致初始状态开始。代码仓库、文件系统、应用窗口、仿真场景和机器人位置必须恢复，否则不同训练样本互相污染，成功率也失去可比性。
此外，环境还要可观测、可追踪和可并行。可观测不是把全部内部状态直接给模型，而是明确模型能看到什么；可追踪要求保存动作、工具返回、奖励和终止原因；可并行则关系到训练吞吐量。MiMo团队在不到6天内推进30个RL Step并产生大规模轨迹，背后依赖的正是这种环境工程，而不只是优化算法。
四、Agent Harness决定“模型能不能用起来”
Harness常被误认为一层薄薄的API封装。实际系统中，它承担了大量决定结果的工作。
第一是上下文管理。长任务会持续产生代码、截图、工具返回和日志。Harness要决定哪些信息保留、压缩或重新检索。保留过多会推高成本并干扰注意力，丢弃过早则会让模型重复犯错。
第二是工具协议。工具名称、参数结构、错误码和返回格式都会影响模型表现。一个含糊的工具说明，会把本来属于接口设计的问题伪装成模型能力不足。
第三是执行控制。Harness要管理最大步数、超时、重试、并发和终止条件。没有约束的Agent容易陷入循环；终止过早又会切断必要的自我修复。
第四是安全边界。网络访问、文件写入、命令执行和机器人动作必须按最小权限设计。高风险动作需要审批或硬约束，不能只靠模型“自觉”。
第五是轨迹记录。RL训练需要知道每一步发生了什么。若Harness只保存最终答案，就无法定位奖励错配、工具故障和策略退化。
因此，同一个模型放进不同Harness，成功率和成本可能出现明显差异。评价MiMo-V2.6这类Agent模型时，必须区分模型能力、环境能力与Harness能力。开源Harness的意义，就是让这三者的边界更透明，也让社区能够在共同基线上改进。
五、全模态为什么会与Agent、RL自然汇合
MiMo-V2.6覆盖文本、图像、视频、电脑使用和3D空间推理。全模态如果只用于“看图回答”，价值有限；进入Agent环境后，它才成为行动闭环的一部分。
电脑使用Agent需要读取屏幕、理解界面元素、执行鼠标键盘动作，再观察页面变化。3D任务需要理解几何关系、相机视角和对象状态。具身任务不仅要识别物体，还要把视觉信息转成连续或离散控制动作。
小米展示了从文本或图像生成Blender 3D对象、在具身仿真环境中依据多视角摄像头控制Franka机械臂，以及通过多Agent协同构建交互式3D场景。这三类案例分别对应内容生成、感知控制和协同执行。共同难点是：输出不能只在语言上“看起来合理”，而要改变一个可观察环境。
全模态RL的技术挑战也更复杂。文本动作容易记录和重放，图像、视频、3D状态则会显著增加轨迹体积。不同摄像头视角可能存在时间同步和遮挡问题；仿真中的成功策略也未必能直接迁移到现实设备。训练系统需要把视觉状态、动作序列、奖励和环境版本绑定，否则数据很快失去可复现性。
六、多Agent不是多开几个模型进程
MiMo-V2.6展示了多Agent协同构建交互式3D场景。多Agent的价值不在角色数量，而在任务能否被有效分解，并通过可验证接口重新组合。
例如，一个Agent负责场景规划，一个负责生成3D对象，一个负责脚本逻辑，一个负责运行测试。Harness需要定义共享状态、消息格式、提交物和冲突处理规则。若所有Agent都能随意修改同一环境，多Agent只会扩大错误传播。
合理的多Agent系统应具备：明确的职责边界、最小共享上下文、可审计的交接记录、独立验收器和失败回滚机制。协调Agent也不能只根据语言描述判断子任务完成，而应读取环境中的实际结果。
从RL角度看，多Agent还会引入信用分配问题：最终任务成功时，奖励应如何分给规划、执行和验证角色？若奖励只给最终一步，前序Agent难以学习；若平均分配，又可能奖励无效行为。开放环境和轨迹能让研究者更具体地研究这些问题。
七、怎样判断一个开放Agent体系是否真的可复现
“开源”不是二元状态。评估MiMo-V2.6或其他开放Agent项目，可以沿着以下清单检查。
第一，是否给出可运行的环境定义，包括依赖、镜像、版本和初始化方法。只有任务描述，没有环境，无法复现。
第二，是否公开工具接口和Harness配置。提示模板、最大步数、上下文策略和错误恢复方式都会影响结果。
第三，是否提供验收器与奖励函数。只公布最终分数、不公布判分逻辑，外部团队很难判断提升来自何处。
第四，是否能重放轨迹。研究者应能从日志恢复关键步骤，区分模型错误与基础设施故障。
第五，是否报告训练成本和失败分布。RL Step和轨迹数量有参考价值，但还需要看到有效轨迹比例、任务难度、平均长度、超时率和环境错误率。
第六，是否提供安全隔离。代码、网络安全和电脑操作环境尤其需要沙箱、权限控制和资源限制。可复现不能以降低安全标准为代价。
日报提醒，官方列出的Artificial Analysis等榜单和案例，应视为模型方披露与第三方榜单结合的数据，不能推导为对所有真实任务的统一结论。这个提醒同样适用于开源环境：环境开放提高了可检查性，但并不会自动消除任务选择偏差和评测偏差。
八、企业如何利用开放RL环境，而不是盲目复刻训练
企业没有必要从零复制75万条轨迹。更现实的做法，是把开放环境当作参考架构，然后围绕自己的高价值流程建立小规模、强验证的任务集。
第一阶段先做离线评测：从真实流程中抽取任务，固定初始状态和验收条件，观察模型在哪些步骤失败。第二阶段再做轨迹回流：把成功和失败轨迹分类，改进工具接口、上下文策略和提示。第三阶段才考虑RL：只有当环境稳定、奖励可信、任务量足够时，强化学习才可能产生持续收益。
企业尤其要避免“先上RL，再找奖励”。如果自动验收器本身不可靠，模型会学习利用漏洞，而不是完成业务目标。软件工程中可能表现为只修改测试；电脑操作中可能表现为制造表面状态；仿真机器人中可能找到不符合现实约束的动作。
开放RL环境真正降低的是试验门槛，不是工程要求。环境版本、数据权限、日志治理、安全隔离和模型回滚仍然需要完整制度。
九、判断：Agent时代的开源护城河会从权重扩展到环境网络
以下为分析判断，不是小米官方结论。
第一，未来开源模型的竞争力将由“权重质量”扩展为“权重、环境、轨迹、Harness和社区工具”的总和。模型权重可以快速追赶，持续产生高质量可验证任务的环境更难复制。
第二，RL环境会成为新的数据基础设施。传统训练数据是一组静态样本，Agent环境则能不断生成带行动和反馈的轨迹。谁能建设稳定、多样、可判分的环境，谁就更容易形成持续迭代能力。
第三，Benchmark会逐步执行化。静态题库仍有价值，但长任务评价将更依赖真实工具、状态变化和自动验收。分数不再只来自最终文本，而来自任务轨迹和最终环境状态。
第四，Harness可能成为模型迁移的关键层。企业如果把业务工具、权限、日志和验收都绑定在某一模型私有接口上，切换成本会很高。采用清晰、可替换的Harness接口，可以让不同模型在同一任务系统中竞争。
第五，全模态与具身智能会迫使开源项目重视环境标准。文本数据容易分享，机器人、3D和视频环境涉及更重的计算、版本与硬件差异。没有标准化接口，开放权重很难转化为开放研究。
MiMo-V2.6最值得关注的地方，不是它又增加了多少模态，而是它把环境、RL和Agent执行放到了发布中心。开放模型下一阶段的分水岭，不是谁先放出一个可下载文件，而是谁能让外部团队真正复现能力、修改训练闭环，并在新的任务环境中继续迭代。## 来源
- Xiaomi MiMo：《Introducing MiMo-V2.6 series》，2026-09-22。
https://mimo.xiaomi.com/mimo-v2-6/article - 中国高技术产业发展促进会新质生产力工作委员会：《AI技术每日分析：前沿模型降本、开放Agent与安全边界重构》，2026-09-23。
https://gyznsw.cn/2026/09/23/2026-09-23-AI技术每日分析-20260923/
说明：文中关于MiMo-V2.6型号、速度、模态、RL Step、轨迹数量、训练任务、3D与具身案例的信息，均按上述已发布日报及其列出的小米官方来源整理；关于环境工程、Harness设计和企业落地的部分属于本文技术分析与建议。