如何评价小米公开进行大语言模型Mimo V2.6的大规模强化学习训练？怎么回事？

什么情况？小米新模型的强化学习训练，直接开了现场直播。 点进去一看，这哪是训练现场啊，这就是烧钱现场，一眨眼就是10美刀，一分钟就是4000多元人民币出去了。 当然烧钱的速度可能不是均匀的，从pro模型开始训练算起36小时，两款模型已经花了超过108万美元，平均每小时3万美元。 要是别人干这事得喊一句误闯天家，但是小米干这事只能喊一句误闯米家了。 在这个页面上，训练花了多少钱、跑了多少步、奖励曲线涨没涨、哪个节点的显卡出了故障，全部公开可查。 见过开放权重、开放训练代码和开放训练数据的，开放训练过程的还真是没见过，围观群众纷纷大呼过瘾。 那么目前MiMo-V2.6的Flash和Pro两款模型训练得怎么样了？ 其实还在初期，毕竟刚开始训练1天多一点。 不过已经能看出两者在RL过程中都有了比较明显的能力提升： Pro的dynsam/avg@n从第1步的约0.565提升至0.614，Flash则从约0.514提升至0.603；最新公开的DeepSWE v1.1离线评测中，Pro和Flash分别达到62.24和60.77。（对比DeepSeek-Flash v1.1是74.2%） Flash从更低的起点快速追近，Pro目前只保持小幅领先。不过Pro训练完一个Step更慢，所以最新的评分还没出来。罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元 信息量爆棚mimo-v2.6 RL

为什么受到关注？

该关键词近期出现在知乎热榜，历史最高排名第 4 位。热榜排名只能反映平台内一段时间的关注程度，不等同于事件重要程度或事实结论。

已确认的信息

• 来源平台：知乎
• 首次收录：2026-09-17 04:31:00 UTC
• 最近更新：2026-09-17 06:16:09 UTC
• 最近热度：303 万热度

榜单趋势

最近 8 次榜单快照的排名走势（排名越低越靠前），每格为一次采集记录。

相关热点

用这个关键词创作