小米 MiMo 大模型负责人罗福莉今日对外公布了 MiMo‑V2.6 的最新进展：

自今年 4 月开源 MiMo‑v2.5 版本之后，小米团队沉寂近半年，核心聚焦研究强化学习的能力边界问题。目前 MiMo‑V2.6 还处在强化学习训练的中间阶段，团队在三个维度完成能力扩展，计算层面每步约消耗 20 亿个 Token，采用 1568 个 Prompt 搭配 16 条 Rollout，实现完全异步运行；环境与工具上落地多任务智能体强化学习，可以单次运行混合多个框架；同时升级 Grader Compute，为评分环节增加算力，采用 Agentic In‑group Credit Assignment 机制，配套测试案例以及评分标准奖励体系。小米表示，会在接下来几周逐步开源这批技术细节。

除此之外，罗福莉还直接公开了 MiMo‑V2.6 的训练直播页面，包含 MiMo‑V2.6‑Pro 与 MiMo‑V2.6‑Flash 两个版本，页面可查看训练进度、Token 消耗、训练成本、样本数量与各项内部指标，当前整体训练总花费已经超过 125 万美元，折合人民币约 840.3 万元。