曾深度参与DeepSeek R1研发的罗福莉，带着她的新模型MiMo-V2.6强势登场，不仅拿下了开源模型的第一把交椅，还撂下一句狠话：在创新和工程难度上，它已超越了DeepSeek R1。
现在大模
曾深度参与DeepSeek R1研发的罗福莉，带着她的新模型MiMo-V2.6强势登场，不仅拿下了开源模型的第一把交椅，还撂下一句狠话：在创新和工程难度上，它已超越了DeepSeek R1。

现在大模型行业有个怪象：模仿别人变聪明虽容易，但想自己产生新智能却很难。

很多团队图省事，直接拿顶级模型生成的答案来“喂”小模型，说白了就是吃别人嚼过的饭。

但罗福莉和她几十人的团队，在算力贵得离谱的今天，却走了条最费钱、最难走的路——大规模强化学习（Scaling Up RL）。

这是开源界目前单次消耗算力最多的强化学习训练。

这不单是砸钱买算力那么简单。

懂行的人都知道，如果把各种复杂的任务胡乱堆在一起做强化学习，很容易导致效率低下，让数据变得过时且无用。

MiMo团队通过高超的工程拆解解决了难题：代码和Agent这类有客观标准的硬任务，用MixRL直接开训；而那些耗时极长、涉及主观判断或3D游戏的超难任务，则专门开小灶训练，最后通过MOPD（多目标偏好蒸馏）技术把它们整合起来。



这套组合拳，硬是在算力瓶颈中杀出了一条血路。

最让人震惊的不是技术，而是他们那种“掀桌子”式的开源态度。

他们不仅公开了顶尖模型，还大方地赠送了基于MiMo RL轨迹蒸馏的Qwen模型、7000个多样化交互环境以及整套RL训练框架。

这相当于不仅给出了满分试卷，连学霸的解题思路、题库和辅助工具都打包免费送给了大家。

在如今大厂流程繁琐、部门壁垒严重的背景下，这支高效扁平的团队，硬是把通往AGI（通用人工智能）的未知地带摊开在了大家面前。

当抄袭和套壳成了平庸者的避风港，那些敢于在未知荒野中死磕算力、挑战极限的人，才真正决定了开源AI究竟能走多远。