小米于9月22日正式发布并开源MiMo-V2.6系列大模型，其Pro版以46分的AA综合智能指数登顶全球开源模型第一，这款原生全模态模型在3D空间推理上的突破，正在把大模型从“聊天工具”推向“能动手干活”的智能体。

　　一、全模态感知能力

　　原生多模态架构：MiMo-V2.6系列包含Pro与Flash两个原生全模态模型，无需外挂模块即可同时处理文本、图像、音频、视频四种输入

　　长上下文支持：标配100万Token上下文窗口，可一次性分析整本图书或数小时的长视频内容

　　性能跃升：Pro版在AA综合智能指数取得46分，较前代V2.5-Pro的26分大幅提升20分

　　二、3D与具身智能应用场景

　　3D开放世界生成：模型支持融合3D空间推理能力，可将自然语言指令直接转化为可交互的3D开放世界内容，为游戏开发、虚拟场景构建提供低门槛创作工具

　　设计工具协作：在Blender等专业建模软件中，模型可理解空间关系并辅助完成三维建模任务

　　具身智能操控：模型已具备控制机械臂完成抓取操作的能力，在智能制造、仓储物流等场景具有落地潜力

　　多模态视频理解：支持原生音视频联合输入，可对长视频进行内容分析和场景理解

　　三、商业化与开发者服务

　　性价比定价：MiMo-V2.6系列沿用V2.5系列API定价，在同等智能水平下价格仅为海外模型的1/20至1/60

　　超高速模式：Pro版同步上线Ultraspeed模式，输出速度最高可提升20倍

　　全面开源：模型权重、RL训练框架、技术报告及训练环境全部对外开放，支持MIT协议商用、微调与二次训练

本文由AI生成