小米直播训练MiMo-V2.6模型 罗福莉披露强化学习进展

驱动中国9月17日消息，小米MiMo大模型负责人罗福莉今日发文披露，小米MiMo团队正在通过直播方式公开MiMo-V2.6模型的训练过程。自今年4月开源MiMo-v2.5模型后，小米团队在近半年时间内专注于探索强化学习技术的扩展极限。

据罗福莉介绍，MiMo-V2.6模型目前处于强化学习的中间阶段。团队为该模型扩展了三项核心能力：在计算层面，每步处理约20亿个Token，采用1,568个Prompt与16条Rollout完全异步的方式运行；在环境与工具层面，实施多任务智能体强化学习，支持在一次运行中混合多个框架；在Grader Compute层面，为打分与评分过程本身增加算力，应用Agentic In-group Credit Assignment技术，并包含测试案例与评分标准奖励机制。

小米MiMo团队计划在未来几周内，逐步开源上述技术细节。罗福莉同时公开了MiMo-V2.6模型的训练直播链接，页面显示该模型即将推出。直播数据显示，该模型训练总花费已超过125万美元，按当前汇率折算约合人民币840.3万元。