小米 MiMo-V2.6 公开最大规模 RL 训练：Pro 花费 260 万美元
KyeGomezB · x · 2026-09-22
小米 MiMo 团队发布 MiMo-V2.6 技术报告，公开其迄今最大的 RL 扩展训练，并开源训练动态、RL 环境与框架。
- 成本：Pro 版 260 万美元、Flash 版 90 万美元；约 44% 花在 rollout、41-44% 在训练、14% 在 grading。
- 规模：每个 RL 步使用 1,568 个 prompt × 16 次 rollout，产生约 2.5 万条轨迹、2.7-3.7B token，上下文最长 1M token。
- 新技术：groupwise agentic grading——对比成功轨迹，将奖励导向更短更高质量的解法，而非所有通过测试的答案等价对待；冻结 MoE router 并建立多层防 reward hacking 防线。
- 领域：主要扩展到编程、通用工作流、视觉任务与网络安全。
- 成绩：DeepSWE Pro 从 58.4 提升到 72.6，Flash 从 48.7 提升到 65.7。
所属事件:小米开源 MiMo-V2.6：46 分登顶开源榜，训练全程直播(47 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12