小米MiMo-V2.6公开强化学习训练进展 Pro与Flash累计成本超116万美元-汽车频道-和讯网
和讯汽车
2026-09-17 19:01
11
行业
和讯汽车 媒体档案
本站收录 1421 篇
近 180 天 1377 篇
营销维度扣分 180/n=1388 篇
在档更正 0 次
查看档案 →
一句话总结
规则摘录 · 正文首句
观点网讯：小米MiMo团队负责人罗福莉在X平台发文，首次公开小米新模型MiMo-V2.6的强化学习训练进展。
读原文 · 和讯汽车 →
成分表
五个可核对的量，全部来自本篇已有的判定数据
信源数
1家
同一件事有几家不同来源报道过。≥3 家才够本站的「已核验」。
和讯汽车
具名引用
0处
正文里点名到的信源（机构 / 人名 / 公告）。判决里没有这一项的老稿留空。
判决里这一项是空的——正文没点名到可核的信源。
情绪强度
0分
情绪化表述的扣分，0 = 没量到情绪词。
没有量到情绪词。
独有数字
—
本篇写了、同事件另一家没写的关键数字。不代表对方漏了，只是这篇多给了。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
正文重合
—
与同源最相似那篇的正文重合度。高不等于抄——同一场发布会出来的稿子，本来就会用同一批数字和同一段官方表述。
这篇没有这一项：它不在任何多源事件簇里（孤篇）。
100
四维健康度：越满越干净
规则判断仅供参考
当前结果由规则启发式评审生成。
为什么是这个分？（点开看判定依据）
满分 100，本文累计扣 0 分。
评分基于规则启发式生成，非人工，仅供参考。
这个分怎么自己复算
- 口径版本
- quality-rules-v1+3e8acca1e74a
- 原文指纹
- 1397258fae39f73005cf0b393bdd3821…
- 判决方式
-
规则版 —— 逐位复现：同一条原文、同一个口径版本，
任何人都该跑出一模一样的四维扣分和总分。
- 复算命令
- python manage.py recompute_verdict 4412
这条命令不写库、不调模型、不联网：拿着这个仓库和那条原文就能跑。
口径参数表在 判定口径 页上，
和上面这个版本号是同一份。
说明与免责
本文的质量分与标注由公开报道与公开规则自动生成，仅呈现可复算的观测（词频、占比、时间分布、原文出处），每条均附原文链接可自行核对，
不构成对任何机构或个人的评价、定性或指控。自动判定会出错，结果仅供参考，请以原文与官方口径为准。
对这条记录有异议？我要申诉 →
这篇全文共 11 句 —— 逐句过检结果：
有据 5 句（45%）
营销 / 情绪词句 0 句（0%）
无据断言 0 句（0%）
中性 6 句
「有据」= 句中有具名信源或带单位的可核查数据；「无据断言」= 用了绝对化说法但整句既无信源也无数据。
自动判定会出错，这只是对句子用词的机器观测，不是对内容真伪的结论。
观点网讯：小米MiMo团队负责人罗福莉在X平台发文，首次公开小米新模型MiMo-V2.6的强化学习训练进展。
罗福莉表示，过去近半年团队一直围绕强化学习还能扩展到什么程度这一问题展开研究。目前MiMo-V2.6正处于强化学习训练过程中，团队正在扩大三个方向的规模，包括计算资源、训练环境与任务体系，以及奖励评估机制。
罗福莉同时分享了MiMo-V2.6的实时训练页面。从页面来看，MiMo-V2.6当前正在进行一次大规模Agent强化学习实验，页面展示了模型训练进度、Token消耗、训练成本、样本数量以及多个内部指标变化。
训练页面中包含两个版本，分别是MiMo-V2.6-Pro和MiMo-V2.6-Flash。其中，MiMo-V2.6-Pro当前处于step 12阶段，累计训练样本达到约301K，训练成本约80.63万美元，累计消耗Token达到25.1B。
MiMo-V2.6-Flash当前处于step 17阶段，累计训练样本达到约426K，训练成本约35.45万美元，累计消耗Token达到40.5B。
两个版本当前累计训练成本已经超过116万美元，平均每小时计算成本约...
以上为正文摘要节选，完整内容请阅读原文
阅读原文 · 和讯汽车
你也判一下：这篇写得客观吗？
先说你的判断，再看 AI 判了什么——我们不写谁对谁错。
你判
—
AI 判
—
两边不一样很正常——本站表述倾向抽检准确率
只有 56.5%，
AI 的判定不是标准答案。你的判断记在读者信号里，
与人工金标分开存放；是否纳入训练要等标注口径会定。
这篇稿子对你有价值吗？
一键投票即可；这是读者意见，不替代人工质量标注。
0 人投票，
0% 认为有价值