小米公开 MiMo-V2.6 强化学习训练过程，并上线实时看板
小米大模型负责人罗福莉公开 MiMo-V2.6 大规模多智能体 RL 进展，并开放实时训练页面，称将逐步开源技术细节。
9 月 17 日，小米 MiMo 团队负责人罗福莉公开最新大模型 MiMo-V2.6 的强化学习训练进展，并上线实时训练看板 mimo.xiaomi.com/rl/，展示步数、样本、token 消耗与成本等指标。
报道称实验按约每步 20 亿 token、1568 prompts×16 rollouts 做全异步并行，并混合多框架智能体环境与内部计分奖励。Pro / Flash 两版公开成本合计超过约 128 万美元。
团队表示未来数周将逐步开源相关工程细节，把黑盒试错推向更可观测的 RL scaling 实践。