这几天AI圈出了件新鲜事：别人家训模型捂得严严实实，小米直接把训练过程挂到网上"直播"了。
9月15日晚，小米新一代自研大模型MiMo-V2.6的Pro和Flash两条训练线先后启动。17日凌晨，小米大模型负责人罗福莉把围观地址发到了X上，配文"沉寂了近半年"——过去半年她的团队一直在研究一个问题：强化学习到底能扩展到什么程度。这个网页上能看到实时跳动的累计花费、每轮消耗的token、阶段性测试成绩，甚至训练出了什么故障。有知乎答主第一反应是："卧槽，现在生产级的大模型居然直播训练？？？"那条问题下已经聚了113万次浏览。36氪知乎知乎
截至今天（9月20日），最新进展是：Flash版的这轮强化学习已经收官，直播页显示stopped，总账85.4万美元；Pro还在跑。罗福莉预告，未来几周会逐步开源相关细节，但模型本身还没发布。知乎
热闹归热闹，这波直播里哪些信息是真的硬、哪些要打个折听，我把它拆成四本账，你对完再决定要不要跟着喊"小米AI站起来了"。
第一本账：成绩账——"超claude-opus-4.8"能信几成
先看最刺激的。直播页公开了一项叫DeepSWE v1.1的软件开发测试——让模型在真实开源项目里加功能、修bug，新代码还得不能改坏原有功能。9月17日的中途成绩：Pro通过率65.78%，Flash 60.77%，知乎有分析认为Pro这个分数大概和Gemini-3.7-Flash一个档位。36氪知乎
到9月20日Flash收官时，它的DeepSWE分数停在65.68。有知乎答主把它放进公开榜对比，大约能排到第十一、十二位，超过了claude-opus-4.8和deepseek-v4-flash——考虑到Flash只是个310B总参数、15B激活的轻量模型，这个成绩确实值得高看一眼。知乎
但先别急着转发，三个折扣必须打在前面：
一是这是训练中途采集的分数，直播页的stopped不等于训练全部完成，模型也没正式发布，罗福莉自己说的口径是"未来几周逐步开源细节"。二是从曲线看，Flash在step 18之后一直在60到66之间震荡，没有向上突破的迹象，社区判断在不加容量的情况下这基本就是它的天花板了。三是另一项AutomationBench测试里Flash跑出了52.70%、反而超过了Pro，听着更猛，但这个基准分公开集和私有集两套榜单（公开集最强的Claude Opus 5也只有50.3%，私有集第一只有41.4%），小米没说明跑的是哪套，所以这个分数没法和外界直接比，只能看个"Flash不低于Pro"的内部相对关系。知乎
一句话总结成绩账：方向是真进步，幅度要等正式发布才能下结论。谁现在拿"超Claude"当定论喊，谁就是在替小米提前开香槟。
第二本账：成本账——行业第一次把前沿RL明码标价
这可能是这次直播对行业最值钱的部分。大模型训练烧钱人人都知道，但到底怎么个烧法，从来没有厂商摊开给全网看过。这次页面上全有：
按36氪9月17日下午的记录，Pro跑了45个多小时花了约93万美元，折合每小时2万美元上下；Flash跑了约40个半小时花了约41.6万美元，每小时约1万美元。两条线并着跑，合计就是每小时约3万美元、折合人民币21万元——这就是"一小时烧掉一辆Model 3"的出处。到9月20日，知乎问题下的口径是累计成本已超过200万美元。36氪知乎
Flash收官后，社区把它的总账拆得明明白白：85.4万美元，81.4B token，75.3万个样本，历时3天11小时。再往细里看，每一个训练step要过1568条prompt，每条做16次尝试，合计25088条轨迹，单step消耗20到30亿token。数据配比也公开了：代码类占67.7%，视觉13.1%，通用12.1%，网络安全4.1%，纯对话只有3.0%——重心明摆着押在Agent和编码能力上。为什么这么押？罗福莉此前解释过：软件开发需要连续处理很多问题，练出来的规划能力和上下文管理方法，能迁移到其他复杂任务上。知乎36氪知乎
有知乎答主顺手算了笔单价：MiMo-V2.6 Pro的训练成本约合36美元/百万token，“这可是宝贵数据，看看模型厂商的成本”。还有评论点破了一层窗户纸：公开成本，可能也是在为新模型定价做铺垫——毕竟小米V2.5系列5月底刚经历过一轮大降价，实测缓存命中高的话比DeepSeek还便宜。如果V2.6延续这个打法，受益的就是所有拿API干活的开发者。知乎知乎
第三本账：故障账——最圈粉的居然是两条重启公告
这次直播最反常识的地方，是小米连"翻车"都直播了。
页面顶部挂着故障通报：Pro因为一个计算节点出现显存问题（也就是GPU OOM）需要重启；Flash在一组数据上遇到基础设施错误，约3小时没能正确识别，最后回退到第15步重新来过。平时大家看到的模型发布，都是一份整理好的成绩单，训练里出过什么岔子、重来过几次，外界根本没机会知道。这次分数上涨和故障重启同时挂在同一个页面上，知乎有人评价"小米这一波真大方"。36氪知乎
懂行的围观群众也真来了。Meta研究员、前OpenAI研究员Lucas Beyer一边调侃罗福莉说的扩大训练规模三个方向其实是"算力、算力，还是算力"，一边专门点赞：小米居然连"目前花了多少钱"都公开。加州大学圣迭戈分校的强化学习研究者Yu-Xiang Wang说自己"看得移不开眼"，还提了个要求：希望团队把训练中遇到的问题记录下来——那几条重启公告恰好就是他想要的。曾任康奈尔教授、参与过Cursor模型研发的Sasha Rush也拿着手机盯直播，自嘲看一项编程任务的响应长度"看出了赌徒上头的感觉"。36氪
从3月让匿名模型Hunter Alpha混上OpenRouter"猜猜我是谁"，到这次直接把后训练Dashboard敞开，小米在AI上的传播路数越来越清晰：不憋大招式发布，改用过程透明换信任。你说这是营销，它确实是营销；但敢把GPU OOM写进公告的营销，门槛比开发布会喊跑分高多了——成绩可以挑着发，故障通报造不了假。36氪
第四本账：落地账——这事跟你买小米设备有什么关系
如果只是AI圈的行为艺术，值得看但不值得你我上心。关键在小米的身份：它是个"人车家全生态"厂商。
把时间线拉长看：去年12月MiMo大模型首发；今年4月V2.5系列发布并开源；5月底API大降价；7月15日小米官宣MiMo端侧模型通过国家大模型备案，同时给出一个数字——2026年小米将在AI领域投入160亿元，AI、芯片、OS被列为三大长期技术赛道，MiMo要通过端云协同"全面赋能人车家全生态"。8月，V2.5登上OpenRouter全球调用量第一，央视《经济半小时》探访了MiMo团队。而就在这几天，小米18 Pro系列官宣9月23日发布、首发搭载澎湃OS 4。微博微博
也就是说，你在小米手机上用的小爱、在车里用的语音助手、澎湃OS 4里的AI功能，底层能力将越来越取决于MiMo这条线的成色。这次直播等于把"小米AI到底有没有真东西"这个问题，从口水战变成了可以围观的数据。当然也要留一分清醒：榜单分数不等于端上体验，模型塞进手机、汽车之后响应快不快、好不好用，得等设备端实测说话——去年V2.5"调用量全球第一"的时候，知乎照样有高赞回答说"绝大部分人根本听都没听说过这个小米大模型"。知乎
对完之后，三类人怎么接
开发者/AI工具党：现在就能动手。V2.5系列API经过5月降价已是市场地板价，缓存命中高的场景实测比DeepSeek还便宜，拿来跑任务不心疼。V2.6等两个节点：正式发布时的官方基准口径，以及API定价是否延续低价策略。罗福莉承诺的"未来几周开源细节"值得加个关注——如果连RL训练配方都开出来，V2.5时代"发布即开源"的传统大概率会延续。
米粉/生态用户：这波直播是你对"小米AI"重新校准预期的最好窗口。方向上可以放心——训练重心押在Agent和编码，说明小米想要的是能连续干活的AI，不是聊天玩具；但别被中途分数带了节奏，真正的验收节点是V2.6正式发布，以及它落进澎湃OS 4和小爱同学之后的设备端实测。
纯围观群众：记住两个谈资就够了。一，这是行业第一次有厂商把生产级大模型的强化学习全程挂网上直播，连成本带故障。二，一小时烧3万美元、五天烧掉200多万，AI军备竞赛的价码从此有了实感。
最后留一份观察信号清单，接下来的几周盯这几件事就行：①Pro这轮训练的最终收官成绩和总成本；②开源的具体范围——是只开训练细节，还是连权重一起开；③V2.6正式发布时的官方基准，和这次直播中途分数差多少；④API定价，验证"公开成本是为定价做铺垫"的猜测；⑤9月23日澎湃OS 4发布时，端侧AI功能有没有用上MiMo的新能力。
五件事落定之前，"小米AI到底行不行"这个问题，谁也别急着给终局答案——但至少现在，我们是看着它一笔一笔花钱训出来的，这待遇，全行业独一份。
