13. 2026.9.17小米跌0.15%,收26.14,成交额23.19亿,总市值6734亿。
今天,小米MiMo大模型负责人罗福莉,对外公布MiMo-V2.6模型,并且直播展示强化学习训练全过程,在AI行业里属于非常少见的操作。
今年4月MiMo-v2.5开源之后,小米团队沉寂了近半年,没有急于出新版本,而是集中精力研究一个核心问题:强化学习(RL)到底能把大模型能力推到多高。这次V2.6还在强化学习训练中途,团队从三个方向做能力扩容:扩大训练算力规模、搭建多任务智能体环境、提升评分打分环节的算力投入。
这次训练包含Pro、Flash两个版本模型,训练成本高昂,平均一小时烧掉约3万美元,目前累计花费已经超过125万美元。最特别的地方是训练全程公开直播,页面上实时展示训练花费、token处理量、模型评测分数、甚至哪块显卡出现故障,所有内部训练指标所有人都能在线围观,海外AI研究者都评价这才是真正的开源。
技术上,每一轮训练会处理约20亿token,同一个问题,让模型尝试16种不同解题思路,再从中筛选优质答案来学习;整套系统采用完全异步运行,不同任务并行执行,不用排队等待,极大提升大规模智能体训练效率。同时搭建了多任务环境,让模型可以同时在多种工具框架里做任务;并且加大打分环节算力,用标准化测试案例给模型结果打分,让奖励机制更精准。
从当前评测数据看,训练刚启动1天多,模型能力已经出现明显上涨。在DeepSWE代码评测基准上,Pro版本得分63.72,Flash版本60.77,Flash起点更低、追赶速度更快。不过对比头部代码大模型还有差距,训练还没有跑完。
小米计划未来几周,逐步把这套强化学习的技术细节开源。这次动作的核心意义,不只是出新模型,而是公开验证:强化学习也可以像预训练一样,依靠扩大算力、任务环境、评分资源,持续提升智能体能力,这也是当下AI前沿最关注的方向。同时这套技术未来会落地到小米手机、汽车、机器人等终端产品。
不断成长的企业+好价格,作为长期投资者,耐心持股,静待花开。
本文仅为作者的投资思考,不做投资推荐,请独立思考,自己的资金自己负责。
校验提示文案
校验提示文案