小米开源修复工具调用重复的 MiMo-V2.6 MOPD 权重

小米 MiMo 团队复盘：V2.6 在 agent 环境里会反复发起相同工具调用（OpenCode 上 Flash 重复率 1.02%、Pro 0.54%），根源是 RL 只在单轮超过 32 次调用时才惩罚，留下奖励盲区。修复改用多教师在线蒸馏（MOPD），整轮训练约 9 万美元。新的 MiMo-V2.6-Pro-MOPD 与 Flash-MOPD 已以 MIT 许可上架 Hugging Face；API 上同名模型 9 月 25 日起已更新，MiMo Desktop 用户当前额度窗口将被重置。
来源：Xiaomi MiMo https://mimo.xiaomi.com/blog/mimo-v2-6-tool-call-repetition