小米MiMo-V2.6强化学习训练费用已超125万美元

小米 MiMo 大模型负责人罗福莉于9月17日表示，自4月开源 MiMo-v2.5 后，团队近半年时间主要投入在一个问题上：强化学习的能力究竟能够扩展到多大范围。目前，MiMo-V2.6仍处于强化学习训练的中间阶段。

围绕这次训练，团队扩展了三方面能力。首先是计算规模，每一步约处理20亿个 Token，使用1568个 Prompt，并为每个 Prompt 执行16条 Rollout，整个流程采用完全异步的方式。其次是环境与工具，训练采用多任务智能体强化学习，并能在一次运行中混合使用多个框架。第三是 Grader Compute，即为打分和评估过程本身增加计算资源，引入 Agentic In-group Credit Assignment，同时纳入测试案例与评分标准奖励。

团队计划在未来几周逐步公开上述训练细节，以便外界了解其强化学习规模扩展、工具环境组合以及评估机制方面的实践。

罗福莉还公布了 MiMo-V2.6 的训练直播页面。数据显示，截至目前训练总花费已经超过125万美元，按现汇率计算约合840.3万元人民币；直播页面同时显示，这款模型预计即将推出。

训练直播地址为：https://mimo.xiaomi.com/rl/