小米发布 MiMo-V2.6-Pro 与 Flash，披露 Agentic RL 路线
2026/10/10 — 10/10 18:20·1 个来源（全部）·1 篇报道（全部）·入选 10-11 日报
核心速览 (Key Takeaways)
- 小米 MiMo 团队发布 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 两款 MoE 模型，并公开技术报告。
- 报告系统披露 Agentic RL 在 Rollout、环境与 Grader 三个维度的同步扩展路线：Pro 总参数 1.02T、激活 42B，单个 RL 步约产生 2.5 万条轨迹、27 亿至 37 亿 Token，RL 后训练算力成本约 260 万美元。
事件背景与详细解读
10 月 8 日，小米 MiMo 团队发布技术报告《MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement》，披露了一套规模化 Agentic RL 训练过程，做法是同时扩大训练 Batch、任务环境与 Harness，以及用于评判 Agent 行为的 Grader Compute，以探索模型持续自我改进的路径。此次发布包含 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 两个模型：Pro 总参数量 1.02T、每次推理激活 42B 参数；Flash 总参数量 310B、激活 15B 参数。两者均采用稀疏混合专家（MoE）架构，并在文本主干中混合局部滑动窗口注意力（SWA）与全局注意力（GA），支持百万级上下文训练。
报告称，MiMo-V2.6 把强化学习算力拆成 Rollout、Grading 和 Training 三个部分，三者独立扩展。实际训练中，每个 RL Step 先采样 1568 个 Prompt，每个 Prompt 同时生成 16 条 Rollout，即每一步产生约 2.5 万条轨迹，合计 27 亿至 37 亿 Token；其 RL 后训练算力成本约 260 万美元。
InfoQ 中文在 10 月 11 日的报道中称，该系列首次系统性实现 Agentic RL 在 Rol
AI 综合 1 篇报道生成 · 更新于 7 小时前
最新进展据 InfoQ 中文报道，小米 MiMo 团队发布 MiMo-V2.6-Pro 与 Flash 两款 MoE 模型及技术报告，系统披露了 Agentic RL 在 Rollout、环境与 Grader 三维度同步扩展的训练路线。Pro 总参数 1.02T、激活 42B，单个 RL 步产生约 2.5 万条轨迹、合计 27 亿至 37 亿 Token，其 RL 后训练算力成本约 260 万美元。
- 热度指数
- 100
- 全部来源
- 1
- 全部报道
- 1
- 首报
- 7 小时前
这件事的报道 点标题看原文
据 InfoQ 中文报道，小米 MiMo 团队发布 MiMo-V2.6-Pro 与 Flash 两款 MoE 模型及技术报告，系统披露了 Agentic RL 在 Rollout、环境与 Grader 三维度同步扩展的训练路线。Pro 总参数 1.02T、激活 42B，单个 RL 步产生约 2.5 万条轨迹、合计 27 亿至 37 亿 Token，其 RL 后训练算力成本约 260 万美元。
了解大模型 RL 后训练的真实成本与工程拆解
InfoQ 中文AI 评分 62
同时在说的其他事
- 热度指数 610OpenAI 回应解雇三名安全研究员：与安全担忧无关15 个来源
- 热度指数 493OpenAI 洽谈 300 亿美元融资，估值约 1.4 万亿美元14 个来源
- 热度指数 447TypeSafe AI 融资 8.7 亿美元，估值 75 亿美元8 个来源
- 热度指数 314微软发布 Decision-1 结构化决策模型5 个来源
- 热度指数 262Anthropic 更新 Claude 使用规则，收紧选举与武器条款7 个来源
热度怎么算的？了解口径收起
热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。
本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。
- 爆
- 讨论快速增加
- 新
- 首报 6 小时内
- 发酵中
- 讨论仍在增加