小米公开直播 MiMo-V2.6 RL 训练全程
小米 MiMo 团队在沉寂半年、专注研究强化学习能扩展到什么程度之后，公开直播 MiMo-V2.6 的 RL 训练全过程，并上线了实时训练面板 mimo.xiaomi.com/rl/，任何人都可以在线围观训练进展。这在开源模型中是相当少见的操作。
已确认
- MiMo 团队（ @LuoFuli ）宣布 MiMo-V2.6 正处于 RL 训练中，训练每步约 20 亿 token，采用多环境智能体 RL，算力规模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。
- 直播内容包含每个 batch 的数据与 harness 等信息，全程对外公开。
- 训练启动仅一天，@zainhas 观察到 deepswe 基准进度已达到约 60%。
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（包括 batch 级数据与 harness）在业内罕见，@skeole 等发帖人指出 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 系列的下一版本表现提供了参考。
2026-09-17 ~ 2026-09-17 · 5 条相关
一手来源
- 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 ·
- 小米 MiMo 2.6 开放实时训练面板,RL 训练全程公开可围观 — skeole ·
- Mimo 罕见操作:公开直播 1T 参数模型 RL 训练全过程 — SonglinYang4 ·
- 【源头】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
- 【源头】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
- 【源头】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