小米披露MiMo-V2.6训练路线
小米 MiMo 团队发布 MiMo-V2.6 技术报告，披露规模化 Agentic RL 后训练流程，通过同时扩展 Rollout、任务环境、Harness 与 Grader Compute 探索模型自我改进。此次包含 Pro 与 Flash 两个 MoE 模型，训练每步生成约 2.5 万条 Agent 轨迹、27 亿至 37 亿 Token，单次 RL 后训练成本约 260 万美元。
事件进展（1 篇报道）
-
2026-10-11 01:24
小米 MiMo 团队发布 MiMo-V2.6 技术报告，披露规模化 Agentic RL 后训练流程，通过同时扩展 Rollout、任务环境、Harness 与 Grader Compute 探索模型自我改进。此次包含 Pro 与 Flash 两个 MoE 模型，训练每步生成约 2.5 万条 Agent 轨迹、27 亿至 37 亿 Token，单次 RL 后训练成本约 260 万美元。