小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻研强化学习扩展

小米 MiMo 大模型负责人罗福莉透露，MiMo-V2.6 正处于强化学习中间阶段，团队为其扩展了计算、环境和工具、Grader Compute 三项能力，其中每步约 20 亿个 Token、1,568 个 Prompt × 16 条 Rollout 且完全异步。训练直播总花费已超 125 万美元，直播页面显示该模型即将推出，相关细节将在接下来几周内逐步开源。