小米大模型6天训练烧掉347万美元 罗福莉在发文中将问题归结为“强化学习究竟能扩展到多远”。她表示，强化学习是模型自我提升路径中可扩展性较强的方向之一。小米将本次发布定义为探索RSI（递归自我改进）路径的关键一步。Desktop桌面客户端正式版，后者同步推出会员订阅方案。

据小米方面披露，本轮强化学习的后训练耗时不到六天，Pro版本训练成本约262万美元，Flash版本约85万美元，各完成30步，累计约75万条轨迹。罗福莉在发文中称，这六天背后，是长达半年的基础研究积累和工程试错。训练中途，公开页面显示的数据是另一个量级。9月17日下午，两个版本累计成本已超过135万美元，每小时成本约3.1万美元。

成本曲线之外，页面同时披露了训练配置。罗福莉介绍，本次训练从三个方面扩展规模：算力上，采用大Batch与全异步架构，单次更新使用1568个样本，支持百万级上下文长度训练，单步训练Token达2.7B至3.7B；环境与工具上，构建覆盖代码、通用、视觉、安全等方向的多任务训练体系，并混合多个Harness框架运行；评估计算上，通过组内相对比较，为长程任务提供更精准、多样的奖励信号。

结果显示，训练任务平均通过率分别相对提升25%和12%。在样本外的长程软件工程评测基准DeepSWE v1.1中，Flash版本得分由48.8升至65.68，Pro版本由58.4升至72.57。罗福莉称，MiMo-V2.6可能是目前国产开源模型中投入算力最多的模型之一。

投行测算提供了另一个观察角度。高盛研报称，按avg罗福莉在发文中将问题归结为“强化学习究竟能扩展到多远”。她表示，强化学习是模型自我提升路径中可扩展性较强的方向之一。小米将本次发布定义为探索RSI（递归自我改进）路径的关键一步。（21世纪经济报道）