高盛：小米集团-W MiMo-V2.6 RL直播显示Flash回报较佳 维持“买入”评级

高盛发布研报称，维持小米集团-W（01810.HK）(01810)“买入”评级，12个月目标价39港元。小米旗下MiMo于数日前开始公开直播MiMo-V2.6 RL(强化学习)过程，V2.6-Flash及V2.6-Pro在训练30步后已停止。高盛认为，这是首次有主要AI实验室实时公开后训练遥测数据，而RL训练已令长时程代理表现大幅改善。MiMo-V2.6-Flash/Pro在30步训练内，于DeepSWE基准取得最高67.86/72.57分(avg@3)。

该行指出，MiMo-V2.6-Flash似乎提供更有利的RL投资回报，其在3.5天内以85万美元总支出(每百万token 10美元或每秒2.85美元)取得19分以上DeepSWE分数增幅，而MiMo-V2.6-Pro则花费262万美元(每百万token 35美元或每秒5.71美元，较Flash高2至3倍)，换取14分以上DeepSWE分数增幅。该行估计，MiMo-V2.6-Flash/Pro的RL训练基于约4,000/8,000个H200等效GPU集群，而直播中显示的中途干预，包括基建错误重跑、不良模式数据集、零梯度任务及GPU显存不足，意味着RL瓶颈已转向工程优化。

高盛预计，MiMo-V2.6系列正式发布时的定价将受到关注，V2.6将巩固小米聚焦代理编码及多模态整合，并提供更高API定价潜力，但小米可能继续与DeepSeek一同为市场定价结构带来颠覆。该行还预计，采用新架构HySparse的MiMo-V3可能在数个月内、即2027年初左右发布，其稀疏比率或由V2/V2.5的7：1提升至更进取的11：1，进一步推高效率前沿及降低推理成本。