9月17日，小米MiMo大模型负责人罗福莉发文披露，自4月开源MiMo-v2.5后，小米MiMo团队沉寂近半年，期间集中研究强化学习的扩展边界。目前MiMo-V2.6正处于强化学习的中间阶段，团队同步开启了模型训练直播，公开训练过程与算力消耗情况。
据罗福莉介绍，MiMo-V2.6在强化学习阶段扩展了三项能力。在计算层面，每步训练约消耗20亿个Token，采用1568个Prompt乘以16条Rollout的配置，且完全异步执行。在环境和工具层面，团队引入多任务智能体强化学习，支持在一次运行中混合多个框架。在评分环节，团队增加了Grader Compute，即为打分和评分过程本身分配算力，采用Agentic In-group Credit Assignment机制，奖励信号包含测试案例与评分标准。
直播页面显示，MiMo-V2.6的训练总花费已超过125万美元，按当前汇率约合840.3万元人民币，模型即将推出。小米MiMo团队表示，将在接下来的几周内逐步开源上述技术细节。
MiMo是小米自研的大模型系列，此前通过开源方式对外发布版本。此次以直播形式公开强化学习训练过程，在国产大模型团队中较为少见，训练成本与工程细节的同步披露，也为外界观察大模型强化学习阶段的算力投入提供了参考样本。
从行业角度看，强化学习已成为提升大模型推理与智能体能力的关键路径，但训练成本高、工程复杂度大。小米选择公开训练直播并计划开源技术细节，或将在开发者社区中形成一定的技术外溢效应，其后续版本的实际表现值得关注。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
