260 万美元强化学习逼近 SOTA，训练成本热议再起

小米（MiMo）的训练成果引发热议：仅用 130 小时算力、75B tokens、约 260 万美元的强化学习投入就取得接近 SOTA 的「相当疯狂的结果」，tinygrad 转发并借此讽刺美国大厂动辄高企的估值。也有人讨论前沿算力账，指出该数字仅对应 50 个 scale unit，相关公司总量未知；另有观点提出数据成本未来可能超过训练本身开销。

2026-09-21 ~ 2026-09-23 · 4 条相关

• 260 万美元 RL 就近 SOTA:数据成本会否超过训练成本? — my_cat_can_code · 2026-09-21
• 130 小时、750 亿 token、260 万美元，一次 RL 训练的真实账单 — burny_tech · 2026-09-23
• 130 小时 RL 训练仅花 260 万美元,小米成果引爆「商品化模型训练」热议 — burny_tech · 2026-09-23
• 曝前沿 RL 训练成本低得出人意料，50 个 scale unit 之问引发热议 — teortaxesTex · 2026-09-23