小米MiMo-V2.6开源RL训练细节，已投入超100万美元

小米MiMo-V2.6正进行大规模RL训练，从三个维度扩展：计算（每步约2B tokens、1568 prompts×16 rollouts、全异步）、环境与harness（多任务智能体RL，单次运行混合多个harness）以及评分计算（组内智能体信用分配，结合测试用例与rubric奖励）。团队表示将在未来数周逐步开源细节，目前投入已超100万美元。