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 · x · 2026-09-17
小米 MiMo 团队（@LuoFuli）宣布沉寂半年专注研究 RL 能扩展到什么程度，MiMo-V2.6 目前正处于 RL 训练中，并开源了训练直播。
团队重点扩展了三件事：
- 算力规模：每步约 20 亿 token，1568 个 prompt × 16 个 rollout，全异步流程
- 环境与 harness：多任务智能体 RL，单次训练中混合多个 harness
- 评分器算力：智能体组内 credit assignment，结合测试用例与 rubric 式奖励
细节将在未来几周逐步开源。
所属事件:小米直播 MiMo-V2.6 强化学习训练，36小时烧超108万美元(14 条相关)→
「编程与Agent」频道最新
- Google 开源内部「大象-金鱼」工作流:规划与审查分离防 AI 敷衍 — gaganghotra_ · 2026-11-02
- InfoQ 发文：Agentic AI 架构中记忆、知识与上下文的系统化方法 — AdiPolak · 2026-11-02
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- RL 训练 LFM2.5-24B 适配器：精度持平下工具调用省 20% — yb2698 · 2026-11-02
- Agent 生产环境排障之痛：错误在第5步、根因在第3步 — Ok-Machine7983 · 2026-11-02
- RAGFlow 1.0 预览：从 RAG 引擎转向 agent 原生数据库 — newpeak · 2026-11-02