罗福莉憋了半年，小米把MiMo-V2.6强化学习直接直播了

动察 Beating AI 快讯，小米正在公开直播下一代 MiMo-V2.6 的强化学习训练。 负责人罗福莉称，团队沉默近半年，一直在研究强化学习到底还能扩展到多大规模。目前 V2.6 仍在训练，具体技术方案将在未来几周陆续开源。 这次一上来就把规模拉得很高。每一步使用 1568 个 prompt，每个生成 16 条 rollout，总计约 20 亿 Token，全程异步运行。代码、通用、视觉、网络安全和聊天等 Agent 任务，也被混在同一次训练里，并同时使用多套 harness。 外界可以实时看到每一步的任务组成、上下文长度、训练耗时等内部指标。UC Berkeley 博士生 Yichuan Wang 根据面板观察到，每一步约 1500 个任务，代码任务占约三分之二，同时活跃的沙箱超过 4 万个。