小米开源 MiMo-V2.6 RL 数据集与训练代码
小米 MiMo 团队于 9 月 26–27 日在 HuggingFace 开源了用于训练 MiMo-V2.6（pro/flash）的强化学习数据集 MiMo-V2.6-RL-oss 及配套训练代码，迅速登上 HuggingFace 趋势榜，被多位社区开发者视为前沿开源 RL 环境数据领域的重要事件。
已确认
- 数据集名为 XiaomiMiMo/MiMo-V2.6-RL-oss，采用 Apache-2.0 许可，规模在 1K–10K 条（数千样本级别），涵盖文本、图像、文档三种模态，提供 parquet 格式。
- 开源内容包含约 7000 个用于训练 MiMo 的 RL 任务环境，覆盖代码、网络安全、通用工具使用、可视化网页开发和音乐等类别，统一采用 Harbor 格式，附带 prompt、agent 配置、奖励元数据和训练框架。
- 训练代码在 XiaomiMiMo/verl 仓库开源，fork 自字节跳动 Seed 团队发起、社区维护的 RL 后训练框架 verl（Volcano Engine Reinforcement Learning）。
- 多位社区开发者给予正面评价：@iScienceLuvr 称社区评价其开源"非常难得"；@HarveenChadha 指出这类 RL 任务环境若单独购买通常每个要数百到上千美元，凸显其价值；转发者 adithyask（经 @SergioPaniego 转发）认为这是前沿开源 RL 环境数据的重要进展。
尚未确认
- 亲历该发布的 Dorialexander（经 @teortaxesTex 转述）提出澄清，认为核心实际是 989 个 envs 而非全量约 7000 个，这一口径差异尚待官方进一步说明。
为什么重要
- 高质量 RL 任务环境通常是商业定价资产（每条数百到上千美元），小米以 Apache-2.0 全量开源环境、元数据与训练框架，为开源社区提供了可直接复用的 RL 后训练基础设施，也公开了其模型训练栈的可复现路径。
2026-09-26 ~ 2026-09-27 · 9 条相关
一手来源
- 小米开源 MiMo-V2.6 强化学习数据集，登上 HuggingFace 热榜 — XiaomiMiMo ·
- 小米 MiMo 开源 RL 环境 verl 分支，附完整训练代码 — eliebakouch ·
- 小米开源 MiMo RL 环境数据集，同类任务市价每条数百到上千美元 — HarveenChadha ·
- 【源头】小米 MiMo 开源 RL 环境 verl 分支，附完整训练代码 — eliebakouch · 2026-09-26
- 小米开源 MiMo v2.6 pro/flash 的 RL 训练环境与代码 — zainhas · 2026-09-26
- 小米 MiMo 开源 MiMo-V2.6 RL 训练数据集,含代码与多模态样本 — iScienceLuvr · 2026-09-26
- 【源头】小米开源 MiMo-V2.6 强化学习数据集，登上 HuggingFace 热榜 — XiaomiMiMo · 2026-09-26
- 小米开源约 7000 个训练 MiMo 所用的 RL 环境，覆盖代码、网安等多域 — SergioPaniego · 2026-09-26
- 【源头】小米开源 MiMo RL 环境数据集，同类任务市价每条数百到上千美元 — HarveenChadha · 2026-09-26
- 小米开源约 7000 个 RL 训练环境,圈内分析:核心是 989 个 envs 而非全量 — teortaxesTex · 2026-09-26
另有 2 条近重复转述:burny_tech · SergioPaniego