分类：AI动态 标签：小米、大模型、人工智能、开源项目
自今年 4 月份开源 MiMo-v2.5 之后，小米大模型团队在过去半年里似乎进入了低调期。日前，小米 MiMo 大模型负责人罗福莉发文揭晓了这段时间团队潜心钻研的核心课题 —— 探索强化学习（Reinforcement Learning）的扩展极限。目前，全新的 MiMo-V2.6 模型正在进行紧张的强化学习训练，并向公众开启了罕见的实时训练直播。
历时半年的技术跃迁：MiMo-V2.6 突破的三大核心能力
为了探寻强化学习究竟能扩展到多远，小米 MiMo 团队在 MiMo-V2.6 的研发过程中，为其构建并扩展了三项关键能力：
- 庞大的计算规模：每步计算达到约 20 亿个 Token，采用 1,568 个 Prompt 乘以 16 条 Rollout 的完全异步架构，为模型提供充沛的算力支撑。
- 丰富的环境和工具支持：引入多任务智能体（Agent）强化学习，在单次运行中无缝混合多个框架，让模型能够适应更复杂的交互场景。
- 评分算力增强（Grader Compute）：在打分与评分过程中额外增加算力，实现基于智能体的组内信用分配（Agentic In-group Credit Assignment），引入更严谨的测试案例和评分标准奖励。
据悉，小米 MiMo 团队计划在接下来的几周内，逐步向外界开源这一系列训练细节与技术成果。
耗资百万美元：训练过程全程公开直播
除了技术层面的攻坚，小米此次还选择将 MiMo-V2.6 的训练过程进行公开直播。从官方展示的直播页面来看，该模型的训练总花费已超过 125 万美元（约合 840.3 万元人民币），这也折射出当前头部大模型在强化学习阶段巨大的算力与资金投入。
随着训练进度的推进，直播页面明确显示 MiMo-V2.6 模型已经进入倒计时阶段，即将正式与公众见面。对于关注大模型演进路径的开发者与科技爱好者而言，这次公开直播无疑提供了一个观察前沿 AI 训练细节的窗口。