小米大模型MiMo-V2.6训练中途公开，累计成本超128万美元

9月17日，小米MiMo大模型团队负责人罗福莉在X平台发文，公开了最新大模型MiMo-V2.6的强化学习（RL）训练过程，并分享了实时训练页面。这是外界首次看到该模型强化学习阶段的部分训练状态。

罗福莉表示，MiMo-V2.6正处于强化学习运行中途，团队正从三方面进行扩展：计算资源（每步约20亿token，1568个提示×16次rollout，完全异步）、环境和测试框架（多任务代理式RL，在一次运行中混合多个测试框架）以及评估计算（代理式组内信用分配，带有测试用例和基于量规的奖励）。她透露，未来几周将逐步开源细节。

从训练页面来看，MiMo-V2.6正在进行大规模Agent强化学习实验，页面展示模型训练进度、Token消耗、训练成本、样本数量及多个内部指标变化，包含MiMo-V2.6-Pro和MiMo-V2.6-Flash两个版本。两个版本当前累计训练成本已超过128万美元，其中Pro版本训练时长1天19小时，耗费89万美元；Flash版本训练时长1天14小时，耗费39.7万美元。

公开资料显示，罗福莉曾任阿里巴巴达摩院机器智能实验室研究员，后加入DeepSeek参与研发DeepSeek-V2等模型，2025年11月正式宣布加入小米。雷军此前也曾多次提及小米在AI领域的进展。