小米直播訓練大模型

小米 MiMo 大模型負責人羅福莉今日發文，自 4 月份開源 MiMo-v2.5 後，小米沉寂了近半年，花時間研究了一件事 —— 強化學習究竟能擴展到多遠。

MiMo-V2.6 目前正處於強化學習中間階段。該團隊爲其擴展了三項能力：

計算（每步約 20 億個 Token，1,568 個 Prompt × 16 條 Rollout，完全異步）

環境和工具（多任務智能體強化學習，一次運行中混合多個框架）

Grader Compute（給打分 / 評分過程本身增加算力，Agentic In-group Credit Assignment，包含測試案例和評分標準獎勵）

小米 MiMo 團隊將在接下來的幾周內逐步開源這些細節。

羅福莉還直接曬出了 MiMo-V2.6 模型的訓練直播鏈接，總花費已超 125 萬美元（IT之家注：現匯率約合 840.3 萬元人民幣），直播頁面顯示 MiMo-V2.6 模型即將推出。