MiMo-V2.6 或成开源模型最大规模单次 RL 训练

据 Woofun AI 消息，小米 MiMo 团队成员罗福莉披露，MiMo-V2.6 按算力规模计，可能是迄今开源模型团队开展的最大规模单次强化学习训练之一。团队在算力受限背景下，投入数十人长期推进强化学习扩展，使模型能力在中期形成并通过大规模训练进一步释放。

针对代码等可验证的中等难度任务，团队采用 MixRL 训练；对难以验证、超长周期或复杂度过高的任务则单独训练，再通过 MOPD 合并能力。为推动智能体强化学习研究，团队发布了由 MiMo 强化学习轨迹蒸馏而来的 Qwen 模型、7000 个多样化环境以及完整的强化学习训练框架。罗福莉表示，MiMo-V2.6 仅是起点，团队将持续投入资源推进可持续自我改进的智能系统。