位置：首页  >  详情页
直播新模型训练过程一小时烧3万：美元
来源：OPPO软件商店 编辑：陈韵瑞 2026-09-17 09:02:21

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

什么情况？小米新模型的强化学习训练，直接开了现场直播。

点进去一看，这哪是训练现场啊，这就是烧钱现场，一眨眼就是10美刀，一分钟就是4000多元人民币出去了。



当然烧钱的速度可能不是均匀的，从pro模型开始训练算起36小时，两款模型已经花了超过108万美元，平均每小时3万美元。

要是别人干这事得喊一句误闯天家，但是小米干这事只能喊一句误闯米家了。

在这个页面上，训练花了多少钱、跑了多少步、奖励曲线涨没涨、哪个节点的显卡出了故障，全部公开可查。



见过开放权重、开放训练代码和开放训练数据的，开放训练过程的还真是没见过，围观群众纷纷大呼过瘾。





那么目前MiMo-V2.6的Flash和Pro两款模型训练得怎么样了？

其实还在初期，毕竟刚开始训练1天多一点。

不过已经能看出两者在RL过程中都有了比较明显的能力提升：

Pro的dynsam/avg@n从第1步的约0.565提升至0.614，Flash则从约0.514提升至0.603；最新公开的DeepSWE v1.1离线评测中，Pro和Flash分别达到62.24和60.77。（对比DeepSeek-Flash v1.1是74.2%）

Flash从更低的起点快速追近，Pro目前只保持小幅领先。不过Pro训练完一个Step更慢，所以最新的评分还没出来。



自4月份开源MiMo-v2.5后，小米沉默了近半年。

现在负责人罗福莉出来解释，这期间只研究了一件事：强化学习能扩展到多远。



小米公开如何Scaling强化学习

传统的预训练scaling很容易理解：更多数据 × 更多参数 × 更多算力 → 更强模型

现在前沿模型越来越关注RL能不能也这样scaling？

也就说如果持续增加：

每轮生成多少轨迹；

模型面对多少种真实任务环境；

为判断这些轨迹好不好投入多少计算；

模型能力是否还能持续提高？

小米给出的答案是沿三个维度扩展：训练计算量、环境/执行框架、评分计算量。

###训练计算量的Scaling

第一个维度最直观，就是把RL本身的计算规模做大。

MiMo-V2.6系列每个训练Step大约会处理20亿Token，配置为1568个Prompt × 每个Prompt 16条Rollout。

也就是说，同一道题并不是只让模型回答一次，而是让它尝试多条不同的解题和行动轨迹，再从这些尝试中获得强化学习信号。

1568×16意味着一轮就可能产生超过2.5万条Rollout。而对于Agent任务来说，一条Rollout又远不只是“一问一答”：模型可能要经历几十轮思考、工具调用、环境反馈和再次行动，因此最终一个Step的Token数可以达到数十亿级别。



更重要的是，整个系统采用了Fully Async，也就是完全异步的执行方式。

传统意义上可以把一次RL训练想象成一条整齐的流水线：先把所有样本生成完，再统一评分，然后训练模型，最后开始下一轮。

但大规模Agent RL很难这样等待。

在MiMo的系统里，不同任务可以同时处于不同阶段：有的Agent还在环境中执行任务，有的已经完成、等待判分，有的正在计算Reward，还有新的任务正在进入系统。生成、执行、评分和训练不再严格排队，而是组成了一套持续运转的异步流水线。



环境的Scaling

第二个扩展方向是Environments and Harnesses，也就是训练环境和执行框架的扩展。

MiMo-V2.6做的是Multi-task Agentic RL：代码、通用任务、视觉、Chat等不同类型的任务，可以被混合到同一次RL Run中训练，而且这些任务还可以运行在不同的Harness里。

例如一个编程Agent的Harness可能允许模型打开终端、修改代码、执行测试、阅读报错，然后继续修改；另一个视觉Agent面对的则可能是一套完全不同的工具、环境反馈和成功条件。

因此，MiMo想扩展的除了“题目数量”，还有模型能够进入多少种环境、使用多少种工具、解决多少种类型的问题。

这也是为什么直播页面会专门展示Batch Composition：这一栏实际上是在告诉外界，每一个训练Step中，模型正在从什么样的任务和环境里获取经验。



评分的Scaling

第三个Scaling方向则更容易被忽略：Grader Compute，也就是给打分本身增加算力。

强化学习需要奖励，但复杂Agent任务的奖励 并不像数学选择题那样容易得到。

代码任务还可以运行Test Case：100个测试通过了多少个，就可以形成相对客观的反馈。

但面对更开放的Agent任务，仅仅判断“最终成功还是失败”往往远远不够，负责判断模型做得好不好的评分者，同样开始消耗越来越多计算资源。

而这里还有一个更加关键的问题Credit Assignment，也就是信用分配。

假设一个Agent为了完成任务连续执行了40步：搜索资料、打开网页、阅读信息、编写代码、运行测试、发现错误、修改代码，最终成功完成任务。

如果系统最后只告诉模型一句“成功，Reward=1”，这个学习信号其实非常粗糙。

因为模型并不知道：前面的40步中，究竟哪些动作真正帮助了成功？哪些步骤其实毫无必要？哪一次修改扭转了整个任务？又有哪些动作虽然最后没有导致失败，却实际上是不好的选择？

MiMo在这次训练中特别提到了Agentic In-group Credit Assignment。目前还没有公布具体算法，但结合“同一个Prompt生成16条Rollout”的训练方式，可以理解其基本目标：利用同组多条Agent轨迹及其结果，获得比简单的最终成败更加细致的强化学习信号。

同一组任务尝试，哪些行为应该获得更多鼓励、哪些应该减少鼓励，以及如何把这种判断转成训练信号。



这样一来，MiMo所说的三个Scaling方向实际上构成了一套完整体系：

扩展计算量，让模型产生更多经验；扩展环境和Harness，让模型获得更加多样的经验；更多评分计算量，则负责从这些海量经验中提取更加准确的学习信号。

当预训练的Scaling已经发展多年之后，能否把模型与环境交互、产生经验、评价经验再到学习经验的整个RL循环，也变成一台可以持续扩大规模的机器？

不过前来围观的大佬ViT大佬给出更直接的翻译：三件事，背后都是算力。



参考链接
[1] https://mimo.xiaomi.com/rl
[2]https://x.com/_LuoFuli/status/2100296686719610932

贝博bb平台体育初探，探讨其在体育行业中的地位【哔哩哔哩】_【bilibili】 直播新模型训练过程一小时烧3万：美元
首页 贝博bb平台体育初探，探讨其在体育行业中的地位
贝博bb平台体育

https://xin.abies.asia/ArTitle/DeTails/964503.sHtML

「活动」首次登录送38积分

934.69MB
版本V3.65.19
下载APK 高速下载
下载贝博bb平台体育安装你想要的应用 更方便 更快捷 发现更多
喜欢 08%好评(04人)
评论 75
贝博bb平台体育初探，探讨其在体育行业中的地位 贝博bb平台体育截图1 贝博bb平台体育截图2 贝博bb平台体育截图3 贝博bb平台体育截图4
详细信息
  • 软件大小 259.19MB
  • 最后更新 2026-09-17 09:02:21
  • 最新版本 V8.75.73
  • 文件格式 apk
  • 应用分类 ios-Android盛京棋牌官网
  • 使用语言 中文
  •  需要联网
  • 系统要求 7.15以上
应用介绍
一.网络彩票骗局分分彩  杭州万词霸屏的市场前景分析，乐云seo招代理的机会与挑战 suncity818百家乐
二.十年娱乐app下载  了解seo推广品牌排行榜前十名的重要性，寻找适合自己的推广策略
三.ac米兰vs阿森纳录像AV网站  武汉百度推广的应用现状，深入了解迦唯T乐云seo技术
四.国际博开国际老网站  选择商丘百度seo网站优化服务商，提升网站流量与排名
五.正规斗牛平台-首页  led显示屏排名很好，乐云seo马总的市场洞察
六.mg体育贵宾通道  黑帽SEO找回网赌提现靠谱嘛，如何判断其有效性与风险seo推广吻踪云速捷刷词专业2，助力企业提升品牌曝光率
七.永恒国际娱乐平台测试  北京网址推广优选乐云seo十年，探寻十年变迁与未来发展
八.网上棋牌官方  城阳seo优化按天扣费多少钱，了解实际费用和影响因素

【联系我们】
客服热线：400-5466-8483
加载更多
版本更新
V3.64.64
成都百度百科实力乐云seo，提升品牌知名度与网络影响力

类似软件

猜你喜欢

相关攻略
包含 97久久香蕉国产线看观看 的应用集
评论
  • SEO和SEM的基本概念，了解SEO和SEM是干什么的外推 8天前
    杭州网络接单优选乐云seo十年，探索数字营销转型之路
  • 深入理解SEO搜索引擎优化, 分享个人心得体会 8天前
    百度推广公司皆往乐云seo权威，企业营销策略日益重要
  • 南昌西湖区关键词seo排名优化的重要性，提升网络曝光率与竞争力 0天前
    万词霸屏我用乐云seo十年，探索SEO的真实价值与挑战
  • 南昌互联网广告十年，乐云seo的实践与探索 0天前
    创建百度百科对seo的帮助，提升品牌价值与搜索曝光
  • 一戈seo24福州网站推广v1的实用策略,深入了解其有效性与挑战 7天前
    百度蜘蛛状态301对seo有影响吗，了解301重定向的实际效果
  • 嘉祥抖音seo优化一般多少钱，深入了解价格构成与因素 5天前
    北京网络优化十年乐云seo品牌的蜕变历程，探寻背后的行业发展趋势
  • 口碑营销价格透明，首荐乐云seo包满意 2天前
    杭州抖音seo排名一般多少钱，影响因素及实际应用分析
  • 品牌营销多少钱，十年乐云seo的实践与探索 1天前
    上海百度快排知名乐云seo的独特优势，助力企业网络营销转型
  • 广州市关键词seo优化哪家专业，选择合适的服务商助力网站流量 6天前
    天津百度百科专注乐云seo，探索网络推广新模式
  • 深入理解百度竞价词与seo关键词区别，探讨两者在营销策略中的应用 9天前
    百度seo检测工具一检测评分，深入解析其重要性与应用
北京百度霸屏都选乐云seo，提升品牌影响力和网络曝光率
直播新模型训练过程一小时烧3万：美元 -安卓手机网上最贴心的Android软件应用平台! 版权所有：北京云计科技有限公司 abies.asia