小米MiMo-V2.6进入强化学习训练阶段

IT时代网

2026-9-17 14:06:12

153

次

IT时代网9月17日消息，小米MiMo大模型负责人罗福莉发文称，自4月开源MiMo-v2.5之后，小米沉寂了近半年，团队用这段时间研究一件事，即强化学习究竟能扩展到多远。

据其介绍，MiMo-V2.6目前正处于强化学习的中间阶段，团队为该模型扩展了三项能力。一是计算，每步约20亿个Token，采用1568个Prompt、每个16条Rollout，完全异步运行；二是环境和工具，通过多任务智能体强化学习，在一次运行中混合多个框架；三是Grader Compute，为打分与评分过程本身增加算力，包含Agentic In-group Credit Assignment，并纳入测试案例和评分标准奖励。

罗福莉表示，小米MiMo团队将在接下来的几周内逐步开源这些细节。她还公布了MiMo-V2.6模型的训练直播页面，显示该模型训练总花费已超过125万美元，按当前汇率约合840.3万元人民币，页面同时显示MiMo-V2.6即将推出。