小米 MiMo-V2.6 单步 RL 处理 27-37 亿 token,剑指模型自我提升
Dr_Singularity · x · 2026-09-23
- 小米 MiMo-V2.6 是其迄今最大规模的强化学习扩展尝试，覆盖编程、通用推理、视觉、自动化与网络安全。
- 每步 RL 训练处理约 1568 个样本、27-37 亿 token，上下文长度达 100 万 token。
- 不依赖单一 benchmark，而是用多复杂环境与更强的 agentic grader 提升长程推理，并推动模型给出更高效解法。
- 训练全程多个 benchmark 成绩持续上升，说明更大规模 RL 仍有很大提升空间；小米明确将其定位为朝模型自我提升方向扩展。
所属事件:小米 MiMo-V2.6 发布：1000+ TPU 上押注 RL 扩展(10 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11