小米 MiMo 用 JAX+TPU 跑通 310B 全参数 RL,扩容只改配置
AccBalanced · x · 2026-09-22
小米 MiMo 团队披露其基于 JAX + TPU 的大规模强化学习实践:在 1000+ TPU 上对 310B 参数的 MiMo-V2.6 完成全参数 RL 训练,并稳定跑了 1000+ 步。亮点包括:扩大规模主要是改配置而非重写代码;配合优化过的 vLLM 推理加速 rollout;训练器与采样器实现逐位(bitwise)一致;两者共享同一 TPU ICI 网络,310B 全部参数传输耗时不到 2 秒。团队与 Berkeley AI、Google Cloud 合作,称后续会分享更多细节。
所属事件:小米 MiMo-V2.6 发布：1000+ TPU 上押注 RL 扩展(10 条相关)→
「Infra」频道最新
- 独立开发者用 Rust 写整套 AI OS：无头运行，跑 Qwen3 27b 比 Ubuntu 快 — W61k3r · 2026-11-12
- OpenRouter 新路由算法见效:GLM 5.3 Flash 首字延迟降 40%、单价降 17% — AccBalanced · 2026-11-12
- AMD 与 Dell 拿下 182 项世界纪录，EPYC 性能提升 94% — AccBalanced · 2026-11-12
- KubeCon 主题演讲：计算系统正从人类速度转向 Agent 速度 — HowDevelop · 2026-11-12
- 曝 Meta 基础设施负责人 Santosh Janardhan 将于 2027 年初离职 — dinabass · 2026-11-12
- 华为开源量化工具 MACaQ：KL 散度比 Unsloth 低 23% — acluk90 · 2026-11-12