罗福莉憋了半年，小米把MiMo-V2.6强化学习直接直播了

2026-09-17 35 次阅读 RSS订阅
主要结论：小米正在公开进行下一代 MiMo-V2.6 的大规模强化学习在线训练。团队负责人罗福利表示，V2.6 仍在训练中，代码将在数周内开源。每一步使用 1,568 个提示 ×16 次回滚，约 20 亿个令牌，异步运行，混合代码、通用、视觉、网络和聊天代理，配备多个执行环境；面板显示每步约 1,500 个任务，约三分之二为代码任务，活跃沙箱超过 40,000 个。

📰 来源：wallstreetcn.com

💬 引用锚点
小米公开进行MiMo-V2.6的大规模强化学习在线训练，涵盖代码、视觉及网络代理等多模态任务。
训练采用每步1,568个提示及约20亿令牌的异步运行模式，活跃沙箱规模超过4万个。
V2.6团队负责人预计代码将在数周内开源，目前训练仍在进行中。

常见问题

小米MiMo-V2.6目前的训练状态如何？▼
MiMo-V2.6的代码何时开源？▼
MiMo-V2.6的单步训练参数是什么？▼
MiMo-V2.6支持哪些任务类型？▼
当前的训练任务分布和沙箱规模如何？▼