小米MiMo大模型团队在强化学习领域取得新进展。负责人罗福莉近日通过社交平台透露，自今年4月开源MiMo-v2.5版本后，团队投入近半年时间专注探索强化学习的技术边界，目前正在推进的MiMo-V2.6版本已进入关键阶段。
该版本在三个核心维度实现突破：计算能力方面，单步处理规模达20亿Token，支持1568个Prompt同步生成16条Rollout路径，并采用完全异步架构优化效率；环境适配层面，通过多任务智能体强化学习技术，实现单个运行周期内混合调用多个框架的能力；评分机制创新引入Grader Compute模块，为评估过程配置专用算力资源，结合测试案例库与动态评分标准构建奖励体系。
技术团队同步公开了模型训练的实时数据。据直播页面显示，项目累计投入已超125万美元（按当前汇率折合约840.3万元人民币），资金主要用于算力资源采购与算法优化。罗福莉特别强调，此次升级重点聚焦强化学习的可扩展性，通过架构创新解决传统模型在复杂任务中的性能瓶颈问题。
关于技术细节的公开计划，小米方面表示将在未来数周内分阶段开源相关代码与文档。此次开源内容不仅包含核心算法模块，还将提供完整的训练配置参数和性能评估报告，供全球开发者参考验证。业内人士指出，该成果可能推动大模型在多模态交互、自主决策等场景的应用落地。
