小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻

9 月 17 日消息，小米 MiMo 大模型负责人罗福莉今日发文，自 4 月份开源 MiMo-v2.5 后，小米沉寂了近半年，花时间研究了一件事 —— 强化学习究竟能扩展到多远。

MiMo-V2.6 目前正处于强化学习中间阶段。该团队为其扩展了三项能力：

• 计算（每步约 20 亿个 Token，1,568 个 Prompt × 16 条 Rollout，完全异步）

• 环境和工具（多任务智能体强化学习，一次运行中混合多个框架）

• Grader Compute（给打分 / 评分过程本身增加算力，Agentic In-group Credit Assignment，包含测试案例和评分标准奖励）

小米 MiMo 团队将在接下来的几周内逐步开源这些细节。

罗福莉还直接晒出了 MiMo-V2.6 模型的训练直播链接，总花费已超 125 万美元（注：现汇率约合 840.3 万元人民币），直播页面显示 MiMo-V2.6 模型即将推出。

附直播地址：

https://mimo.xiaomi.com/rl/

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，包含外链的文章均包含本声明。