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 1 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。