# 小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻研强化学习

- 来源：IT之家（RSS）
- 发布时间：2026-09-17 12:54
- AIHOT 分数：47
- AIHOT 链接：https://aihot.news/items/cmu534slc09eoroqbn9ltwmkn
- 原文链接：https://www.ithome.com/1/003/555.htm

## AI 摘要

小米 MiMo 大模型负责人罗福莉透露，MiMo-V2.6 正处于强化学习中间阶段，团队为其扩展了计算、环境和工具、Grader Compute 三项能力，其中每步约 20 亿个 Token、1,568 个 Prompt × 16 条 Rollout 且完全异步。罗福莉晒出训练直播链接，总花费已超 125 万美元，直播页面显示该模型即将推出，团队将在接下来几周内逐步开源细节。

## 正文

IT之家 9 月 17 日消息，小米 MiMo 大模型负责人罗福莉今日发文，自 4 月份开源 MiMo-v2.5 后，小米沉寂了近半年，花时间研究了一件事 —— 强化学习究竟能扩展到多远。

MiMo-V2.6 目前正处于强化学习中间阶段。该团队为其扩展了三项能力：

计算（每步约 20 亿个 Token，1,568 个 Prompt × 16 条 Rollout，完全异步）

环境和工具（多任务智能体强化学习，一次运行中混合多个框架）

Grader Compute（给打分 / 评分过程本身增加算力，Agentic In-group Credit Assignment，包含测试案例和评分标准奖励）

小米 MiMo 团队将在接下来的几周内逐步开源这些细节。

罗福莉还直接晒出了 MiMo-V2.6 模型的训练直播链接，总花费已超 125 万美元（IT之家注：现汇率约合 840.3 万元人民币），直播页面显示 MiMo-V2.6 模型即将推出。

IT之家附直播地址：

https://mimo.xiaomi.com/rl/