小米 MiMo-V2.6-Pro 的公开记录：新材料研发与工具调用复盘
小米 MiMo 官网的博客列表里，与 MiMo-V2.6-Pro 直接相关的条目只有一条，标题是《Xiaomi MiMo-V2.6-Pro 如何提升新材料研发的生产力》。同一列表里另有《Xiaomi MiMo-V2.6 系列发布》，副标题为“Frontier intelligence, all the modalities, built in public.”，以及一篇《MiMo-V2.6 工具调用重复问题复盘》。三篇都挂在 MiMo-V2.6 这个名字下，Pro 是其中被单独拿出来讲应用场景的那一档。
新材料那篇博客给出的流程是三步：文献调研、分子设计，再到自动完成计算模拟的“干实验”。落点是捕捉 PFAS 的新材料。PFAS 指全氟和多氟烷基物质，环境持久性强，近年是材料与环保交叉领域的研究热点。博客没有披露具体跑分、合作机构或实验周期，只把“干实验”自动化作为生产力提升的切入点。对一款通用模型来说，这意味着它被放进了“读文献、提假设、跑模拟”的链条里，而不是只做问答。
另一篇复盘更偏训练侧。标题点明的问题是“工具调用重复”，官方给的定性是“Scaling RL 过程中的必经之路”，成因描述为 reward 关注正确率带来的“奖励盲区”。换句话说，当奖励信号只盯着最终答案对不对，模型在调用工具时反复触发同一个动作，也不会被扣分。这类问题在 agent 场景里很致命，因为重复调用既拖长任务时间，也放大 token 成本。小米把它写成公开复盘，等于承认这是规模强化学习绕不开的一道坎。
把博客和论文条目按日期排开，能看到这条产品线的节奏。2025 年 5 月 12 日发布《MiMo: Unlocking the Reasoning Potential of Language Model – From Pretraining to Posttraining》，6 月 4 日是 MiMo-VL 技术报告，9 月 19 日是 MiMo-Audio，10 月 21 日讨论用对齐训练与推理路由器来稳定 MoE 强化学习。
进入 2026 年，1 月 8 日有 MiMo-V2-Flash 技术报告，2 月 3 日是 HySparse 稀疏注意力架构，3 月 13 日是 ARL-Tangram 的 agentic RL 资源效率工作，6 月 29 日则是把编程 Agent 扩展到长程任务的 MiMo Code。MiMo-V2.6-Pro 处在这条线的应用端，前面那些训练与架构上的活，最终要在具体行业任务里兑现。
值得留意的细节是发布方式。MiMo 官网把技术报告、博客复盘和应用案例混排在同一个列表里，工具调用重复这种负面问题也照登，没有只留成绩单。对关注训练细节的读者，这类复盘的信息密度往往高于发布稿。
接下来要看的是 PFAS 那条线会不会有后续数据，比如候选分子的数量、模拟收敛速度，或者与实验组的对照结果。在那之前，MiMo-V2.6-Pro 的公开材料仍然停在方法描述层面。
来源