2026年9月17日凌晨，小米大模型团队负责人罗福莉做了一件国内大模型圈没人干过的事——她把MiMo-V2.6的强化学习训练过程挂到了网上，实时公开。页面显示着每小时的烧钱速度、Token消耗量、任务通过率的起伏。
罗福莉在社交平台公开MiMo强化学习训练进展
截至当天下午，两个版本累计训练成本已超过135万美元，平均每小时约3.1万美元。
一年前，她还是“雷军千万年薪挖角”传闻里那个面目模糊的“95后天才少女”。一年后，她带的团队把小米大模型从“存在感不强”推到了开源模型榜单的第一排。9月22日，MiMo-V2.6系列正式发布，Pro版本在Artificial Analysis综合智能指数拿到46分，登顶全球开源大模型第一。
AI指数榜单显示MiMo登顶开源大模型榜首
同一天，小米对内发布晋升名单，31岁的罗福莉晋升至22级——小米职级体系的最高级别。
从入职到触顶，不到十个月。
罗福莉曾在公开访谈里表达过对“天才少女”这个标签的嫌弃。她吐槽说那些写自己的文章“事实错误一堆”，如果自己是不认识罗福莉的人，看完也会默默给“买热搜”的评论点个赞。这种不耐烦，和她这次做的事放在一起看，其实指向同一个东西：她想让产品替自己说话。
六天烧掉347万美元，小米在赌什么
MiMo-V2.6这次强化学习后训练，Pro版本花了约262万美元，Flash版本约85万美元，合计347万美元，累计约75万条训练轨迹。罗福莉自己说，这很可能是迄今为止开源模型团队进行过的最大规模单次RL训练。
钱花在哪儿了？三个维度同时拉满。
算力上，单次更新使用1568个样本、每条样本尝试16次，单步训练Token达到27亿至37亿，支持百万级上下文长度训练。环境上，构建了覆盖代码、通用、视觉、安全等多方向的混合训练体系。评估上，用组内相对比较的方式为长程任务提供更精准的奖励信号。
结果很直观。长程软件工程评测DeepSWE v1.1中，Pro从58.4分跳到72.57分，Flash从48.8分升到65.68分。
但花钱不是故事的全部。训练直播期间，外界看到了真实的技术事故：基建错误重跑、不良模式数据集、零梯度任务、GPU显存不足。
这些翻车现场没被藏起来，反而成了这场实验的一部分——小米正在押注一条叫RSI（递归自我改进）的技术路线，让模型自己从任务反馈中变强，而不是靠人类工程师不断修补。
这条路线目前还没有形成行业共识。全球部分AI安全学者公开质疑，递归自我改进尚无成熟的安全验证机制，公开直播中暴露的那些工程短板也说明离“稳定闭环”还有距离。
一个团队负责人，用行为说话
罗福莉带团队的方式，有几处细节能看出她的风格。
今年3月，她在X上说过一句“次日对话少于100次可以辞职”，很容易被理解为狼性管理。但她后来在访谈里解释，这不是硬性考核指标，目的是让大家真正上手用Agent工具。为了推这件事，她提前买好设备、部署好环境，让成员在群里一起尝试。
同一场访谈中，她还说了一段不太像“天才少女”会说的话：项目有实际推动的人，但这个人并不因此拥有对其他成员的绝对控制权。负责人不要有太强的掌控感，觉得“没了我就不行”。
这和她团队的组织方式对得上。MiMo团队足够扁平，不同领域的人每天坐在一起讨论RL瓶颈，少了各管一摊的壁垒，混合训练也就容易推进。
31岁触顶，放在行业里是什么概念
作为参照，阿里千问办公CEO陈宇森今年34岁，近期刚晋升至阿里巴巴集团副总裁（P11序列），已经是行业公认的破格快速晋升案例。陈宇森22岁创立长亭科技、公司卖给阿里后进入体系，从回归到升P11大约走了三年。
阿里千问办公CEO陈宇森在活动现场发表演讲
罗福莉31岁，从2025年11月公开加入小米算起，一路把MiMo从V2带到V2.6，公开成果周期不到一年。今年7月，小米调整小爱同学组织架构，她负责的MiMo团队承接了全公司AI基础底座能力建设，业务范围从小米大模型扩展到支撑手机、汽车、家电的全生态。
9月，直接上了小米的最高职级。
罗福莉在MiMo-V2.6发布后写了一句很有锐气的话：“在我看来，它背后的研究创新和工程挑战超过了DeepSeek R1，后者我曾部分参与。”
她没说“我们是第一”，说的是“这件事比R1还难，我们做出来了”。这大概就是她想要的，让产品和行动替一切标签说话。
热门跟贴