沉寂半年的罗福莉回来了🔥
#科技数码生活手账
这次只研究一个问题：RL能扩多大
MiMo-V2.6 正在RL训练中，
官网全程直播：mimo.xiaomi.com/rl 🎥
数据：
💰 两天烧掉 $113万
超 DeepSeek-R1 + MiniMax-M1 的RL成本总和
⚙️ 每步 ~20亿token
1568 prompts × 16 rollouts 全异步
📊 代码数据占三分之二
Pro每步$74k / Flash每步$20k
中国公司首次公开RL数据组成比例
细节未来几周逐篇开源
社区炸了："小米在直播RL训练？！"
把烧钱过程变成开源舞台，
RL竞赛进入全程透明时代⚡
#小米 #MiMo #RL强化学习 #罗福莉 #AI大模型 #数字拾光者