9 月 18 日消息，小米 MiMo 大模型负责人罗福莉昨日发文，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（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。
声明：内容来源公开的各类媒体平台，若收录的内容侵犯了您的权益，请联系邮箱，本站将第一时间处理。