小米 MiMo-V2.6 进入强化学习中间阶段，训练直播花费超 125 万美元

小米 MiMo 大模型负责人罗福莉近日发文透露，自 4 月开源 MiMo-v2.5 后，团队沉寂近半年，专注研究强化学习的扩展边界。目前 MiMo-V2.6 正处于强化学习中间阶段。

该团队为模型扩展了三项能力：计算方面，每步约 20 亿个 Token，采用 1568 个 Prompt 与 16 条 Rollout 的完全异步训练；环境与工具方面，支持多任务智能体强化学习，可在一次运行中混合多个框架；评分计算方面，为打分过程本身增加算力，引入 Agentic In-group Credit Assignment 机制，包含测试案例和评分标准奖励。

罗福莉同时公开了 MiMo-V2.6 的训练直播链接，总花费已超 125 万美元，直播页面显示该模型即将推出。团队计划在接下来几周内逐步开源相关细节。