小米直播模型训练每秒烧 10 美元，mimo 双模型进入 Agentic RL 阶段
karminski3 · x · 2026-09-17
karminski3 发现小米正在直播自己的模型训练过程，指出这是少见的公开训练实况，并给出几条关键分析：
- 双模型并行后训练：同时在训 mimo-v2.6-pro 和 flash 两个模型，页面标注 RL，说明已进入后训练（强化学习）阶段。
- 做的是 Agentic RL：训练效果用 DeepSWE 测试集衡量，属于智能体强化学习，但按训练时间和得分看仍处早期——mimo-v2.6-pro 目前 DeepSWE 得分 62，对比头部模型 DeepSeek-v4.1-flash 的 74.2 还有差距。
- 烧钱速度惊人：估算每秒至少烧 10 美元。结合页面数据可推算算力规模——阶段 10 花费 58 分钟、生成了 22 亿 token，据此能粗算每秒 token 生成速度，进而倒推用卡规模与预计训练完成时间。
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)→
「Infra」频道最新
- Altman：单次 AI 查询能耗 3-4 年降千倍至十万倍 — rohanpaul_ai · 2026-11-02
- Marvell 与 Lumentum 合并，瞄准 5500 亿美元 AI 连接市场 — BenBajarin · 2026-11-02
- 三星会长亲赴日本先进封装实验室,5 年投 400 亿日元扩研 — pstAsiatech · 2026-11-02
- Altman 亲赴韩国会晤三星高管,加码存储芯片与 AI 基建合作 — pstAsiatech · 2026-11-02
- 模拟 20 万个月数据：五套家用 AI 主机，仅一套亏钱 — LeviTurk · 2026-11-02
- 印度 AI 算力公司拟融资 30 亿美元,采购英伟达下一代芯片 — pstAsiatech · 2026-11-02