羅福莉憋了半年，小米把MiMo-V2.6強化學習直接直播了

動察 Beating AI 快訊，小米正在公開直播下一代 MiMo-V2.6 的強化學習訓練。

負責人羅福莉稱，團隊沉默近半年，一直在研究強化學習到底還能擴展到多大規模。目前 V2.6 仍在訓練，具體技術方案將在未來幾週陸續開源。

這次一上來就把規模拉得很高。每一步使用 1568 個 prompt，每個生成 16 條 rollout，總計約 20 億 Token，全程異步運行。代碼、通用、視覺、網絡安全和聊天等 Agent 任務，也被混在同一次訓練裡，並同時使用多套 harness。

外界可以實時看到每一步的任務組成、上下文長度、訓練耗時等內部指標。UC Berkeley 博士生 Yichuan Wang 根據面板觀察到，每一步約 1500 個任務，代碼任務佔約三分之二，同時活躍的沙箱超過 4 萬個。