罗福莉也学雷军玩直播！小米新模型训练首次公开，一小时狂烧20万 就在刚刚，小米 MiMo 团队公布了最新进展。 小米 MiMo 负责人罗福莉在 X 平台发文表示，过去近半年团队一直围绕一个问题展开研究：强化学习（RL）还能扩展到什么程度。 她透露，目前 MiMo-V2.6 正处于 RL 训练过程中，团队正在扩大三个方向的规模，包括计算资源、训练环境与任务体系，以及奖励评估机制。未来几周，小米 MiMo 团队将陆续公开更多技术细节。 直播🔗 https://mimo.xiaomi.com/rl/#overview 与此同时，罗福莉还分享了 MiMo-V2.6 的实时训练页面，让外界首次看到这一代模型强化学习阶段的部分训练状态。 从罗福莉公开的训练页面来看，MiMo-V2.6 当前正在进行一次大规模 Agent 强化学习实验。页面展示了模型训练进度、Token 消耗、训练成本、样本数量以及多个内部指标变化。 目前训练页面中包含两个版本，分别是 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash。 其中，MiMo-V2.6-Pro 当前处于 step 12 阶段，累计训练样本达到