网友推算 MiMo RL 训练轨迹数,称其仍逊于 V4.1

围绕小米 MiMo 论文，网友推算其 RL 训练采样约 127 万条 rollout 轨迹（保留 75.2 万条），每条 rollout 对应一个沙箱环境、占总训练时间的 44%，据称对应算力约 10 小时即可完成。另一帖对比认为，尽管跑分与宣传声势很大，MiMo-Flash 的 RL 投入仍不及 V4.1 Flash——后者动用了数百万个并发沙盒环境，训练得更为充分。

2026-09-23 ~ 2026-09-23 · 2 条相关