小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻研一件事
2026-09-18 05:36:27•阅读：
感谢最新网友 RuseAKM、顺势而为、Domado、南琴梨、咩咩洋、shutiao、nftuoa、Vollkorn、jaychang、云焰、攸羚、To_Emojes、backfrom、seerU、碳酸饮料、IThome用户 的线索投递！
最新 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（最新注：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。
最新附直播地址：
https://mimo.xiaomi.com/rl/
免责声明：本站所有内容均由用户自行投稿，仅供网友学习交流，不代表本站立场。若文章内容涉及侵权/违法，请联系我们（QQ:3698-522）删除处理。转载请注明出处：https://www.66676.cn/2026/09/178968099410445.html