MiMo-V2.6 RL 训练直播:infra 重启损失超 40 万美元

小米 MiMo-V2.6 强化学习训练直播进行到第三天，团队公开算账：因 OOM、网络等问题导致的多次任务重启造成严重代价，Pro 模型损失 33% 的有效算力，成本超过 40 万美元。前 xAI 与 Gemini 团队工程师 dustinvtran 也分享了操盘该训练的真实体验，指出要训练一个真正会被上线发布的 checkpoint，没有任何一次 run 是一帆风顺的，引发社区对大规模 RL 训练基础设施成本的关注。

2026-09-19 ~ 2026-09-19 · 2 条相关

• MiMo RL 直播算账:infra 重启浪费 33% 有效算力,损失超 40 万美元 — dustinvtran · 2026-09-19
• 前 xAI/Gemini 工程师揭秘：驾驶 MiMo-V2.6 RL 训练的真实体验 — infoxiao · 2026-09-19