小米MiMo 负责人罗福莉公开了 MiMo-V2.6 的强化学习训练进展，并开放实时训练面板。页面展示 Pro 与 Flash 两个版本的运行状态，包括训练步骤、token 消耗、样本数量、成本和内部指标。据界面新闻报道，截至 9 月 17 日下午发稿，两款模型的累计训练成本已超过 135 万美元，合计每小时花费约 3.1 万美元。训练页面目前仍在持续更新，模型还处于强化学习过程之中。
罗福莉表示，团队正同时扩大计算资源、训练环境与任务体系，以及评估计算。每个训练步骤使用约20 亿个 token，按 1568 个提示、每个提示 16 次尝试的配置完全异步运行，并将多个智能体任务框架混合到同一轮训练。评估机制结合测试用例与评分细则，为不同执行路径分配奖励。小米 MiMo 团队计划在未来几周陆续公开技术细节；实时面板展示的是本轮训练过程，不是已正式发布模型的最终成绩。
打开网易新闻 查看精彩图片
