MiMo负责人罗福莉凌晨发文：
沉寂半年，团队只研究了一个问题——强化学习到底能扩展到多远。然后甩出个网址，V2.6的训练过程实时直播。花了多少钱、跑了多少步、奖励曲线涨没涨、哪块显卡出了故障，全部公开可查。

我点进去看了眼，成本数字肉眼可见地往上跳。一小时两万多人民币，两天烧掉800万人民币。

训练配置也吓人。一步处理20亿token，一次出1568道题、每题让模型试16遍，等于2.5万个虚拟程序员同时开工。注意，题目不是闲聊，是进真实代码仓库找bug、改代码、跑测试，代码任务占了三分之二，剩下分给视觉、网络安全和通用任务。后台一度同时开着6万多个执行环境。用大白话说，小米训练的不是更会聊天的机器人，是更能干活的员工。

有网友按吞吐速度反推，这波大概用了6000到8000张H100——注意是估算，官方没认过。Meta研究员Lucas Beyer看完总结得很直白：所谓扩展三个方向，翻译过来全是算力。

那效果说实话，还在爬坡。代码基准DeepSWE上，Pro从起点涨到63.72，Flash 60.77，对比头部模型的74.2还有距离。

顺带一提，罗福莉是原DeepSeek核心成员，这波操作颇有当年开源社区那味儿。

后面几周还会陆续开源细节，先蹲一个。#ai #ai工具 #大模型 #小米