9月17日，小米MiMo大模型负责人罗福莉对外披露了团队近半年的研发动向。自今年4月开源MiMo-v2.5以来，小米在该系列模型上保持了近半年的低调，罗福莉将这段时间的投入概括为集中研究一个问题：强化学习的能力边界究竟能延伸多远。

据罗福莉介绍，MiMo-V2.6当前处于强化学习的中间阶段。围绕这一阶段，团队为模型扩展了三项能力。其一是计算层面，每步处理约20亿个Token，采用1,568个Prompt乘以16条Rollout的配置，且完全异步执行。其二是环境和工具层面，引入多任务智能体强化学习，在单次运行中混合多个框架。其三是Grader Compute，即为打分与评分过程本身增加算力，采用Agentic In-group Credit Assignment机制，包含测试案例和评分标准奖励。

罗福莉同时公开了MiMo-V2.6模型的训练直播链接。直播页面显示，该模型即将推出，而训练总花费已超过125万美元，按当前汇率约合840.3万元人民币。这一数字直观呈现了大规模强化学习训练的算力成本量级。

小米MiMo团队表示，将在接下来的几周内逐步开源上述技术细节。对于关注强化学习扩展路径的开发者而言，这或将为智能体训练中的算力分配、多框架协同与评分机制设计提供可参考的实践样本。