小米直播 MiMo-V2.6 强化学习训练，36小时烧超108万美元

小米 MiMo 团队在沉寂近半年、专注研究「RL 能扩展到什么程度」之后，公开直播 MiMo-V2.6 的强化学习训练全过程，并上线实时训练面板 mimo.xiaomi.com/rl/，任何人都能在线围观。训练 36 小时已花费超 108 万美元（约每小时 3 万美元）；APPSO 随后报道 Pro 与 Flash 两版本累计训练成本已超 116 万美元、平均每小时约 3.09 万美元，其中 Pro 累计消耗 25.1B token。花费、步数、奖励曲线乃至单卡故障全部公开可查。

已确认

• MiMo 团队（罗福莉 @LuoFuli）宣布 MiMo-V2.6 正处于 RL 训练中，训练每步约 20 亿 token（1568 个 prompt × 16 个 rollout），采用多环境智能体 RL，算力规模（1568 卡级别）为重点扩展方向之一。
• 模型规格：MiMo V2.6 Pro 总参数 1T、激活 42B；MiMo V2.6 Flash 总参数 309B、激活 15B，两个模型同时在训。
• 直播内容包含每个 batch 的数据与 harness 等信息，全程对外公开，可实时查看指标曲线与运行状态，连 VRAM 抖动都可见。
• 成本数据：据量子位，36 小时训练花费超 108 万美元，约每小时 3 万美元；据 APPSO，两版本累计成本已超 116 万美元，平均每小时约 3.09 万美元，Pro 累计消耗 25.1B token。
• @zainhas 观察到，训练启动仅一天，deepswe 基准进度已达约 60%。
• @karminski3 分析认为两个模型已进入 Agentic RL 后训练阶段，评估集为 DeepSWE（Pro 得分 62，对比 DeepSeek-v4.1 系列），并按每秒约 10 美元的花费估算，推测此次训练动用了约 6000-8000 张 H100。
• @MaziyarPanahi 注意到单个 RL 步约消耗 20 亿 token，相当于其本人用 Pro 订阅的 agent 跑 12 小时的 token 量，并呼吁更多实验室公开训练过程。

为什么重要

• 大模型 RL 训练通常在幕后进行，实时公开训练过程（含 batch 级数据与 harness、成本与故障信息）在业内罕见。@skeole 与 @zainhas 等发帖人均指出，Reddit 上不少用户对此表示惊喜，认为「看它训练」本身就是新体验。
• 公开训练为外界观察 RL scaling 的实际进展与训练动态提供了罕见的一手窗口，也为社区评估小米 MiMo 系列下一版本的表现提供参考。

2026-09-17 ~ 2026-09-17 · 14 条相关

• 小米 MiMo-V2.6 正在 RL 训练中：每步约 20 亿 token、多环境智能体 RL — bodonoghue85 · 2026-09-17
• 小米公开直播 MiMo-v2.6 模型 RL 训练，一天进度已到 60% — zainhas · 2026-09-17
• Mimo 罕见操作:公开直播 1T 参数模型 RL 训练全过程 — SonglinYang4 · 2026-09-17
• 小米 MiMo 2.6 开放实时训练面板,RL 训练全程公开可围观 — Not-Post-Malone · 2026-09-17
• 小米 MiMo 2.6 开放实时训练面板,RL 训练全程公开可围观 — skeole · 2026-09-17
• 【源头】小米直播模型训练:每秒烧 10 美元,估算动用 6000-8000 张 H100 — karminski3 · 2026-09-17
• 小米直播模型训练每秒烧 10 美元，mimo 双模型进入 Agentic RL 阶段 — karminski3 · 2026-09-17
• 小米开源直播 RL 训练全程:Mimo V2.6 Pro 1T/42B 激活 — mishig25 · 2026-09-17
• 小米罕见直播 MiMo v2.6 强化学习训练全过程 — burny_tech · 2026-09-17
• 【源头】小米直播 MiMo-V2.6 强化学习训练：36 小时烧掉超 108 万美元 — 量子位 · 2026-09-17
• 【源头】小米 MiMo-V2.6 公开实时训练面板:两版本已烧超 116 万美元 RL 成本 — APPSO · 2026-09-17
• 小米 MiMo 直播 RL 训练:单步 20 亿 token,用户 12 小时跑 20 亿 token — MaziyarPanahi · 2026-09-17

另有 2 条近重复转述:burny_tech · burny_tech