沉寂半年后，小米罗福莉再次卷入大模型“厮杀”战场，并全程直播大模型训练过程。

　　9月17日凌晨，小米MiMo大模型团队负责人、前DeepSeek研究员罗福莉在X平台发文表示，目前正在研究强化学习（RL）能走多远。

　　目前，小米旗下最新大模型MiMo-V2.6正处于其RL运行的中途，在此期间，团队正在进行三方面扩展：第一是计算资源（每步约20亿token，1568个提示×16次rollout，完全异步），第二是环境和测试框架（多任务代理式RL，在一次运行中混合多个测试框架），第三是评估计算（代理式组内信用分配，带有测试用例和基于量规的奖励），并透露将在未来几周逐步开源细节。

　　罗福莉分享了MiMo-V2.6的实时训练页面，这也是外界首次看到这一代模型强化学习阶段的部分训练状态。

　　从罗福莉公开的训练页面来看，MiMo-V2.6正在进行一次大规模Agent(智能体）强化学习实验。页面展示模型训练进度、Token消耗、训练成本、样本数量以及多个内部指标变化，目前训练页面中包含两个版本，分别是MiMo-V2.6-Pro和MiMo-V2.6-Flash。

　　据统计，两个版本当前累计训练成本已经超过128万美元，其中MiMo-V2.6-Pro时长为1天19小时，耗费89万美元，平均每小时耗费超2万美元；MiMo-V2.6-Flash训练时长1天14小时，耗费39.7万美元，平均每小时耗费超1万美元。

　　雷军此前曾多次提到小米在AI方面的进展。今年3月，雷军在微博发文称，万亿参数大模型 Mimo-V2-Pro在全球大模型综合智能排行榜 Artificial Analysis 上，位列全球第八。按大模型品牌来排名，排在全球第五，超过了xAI Grok，此后还会快速迭代增强。

　　罗福莉是雷军从DeepSeek挖来的“95后”AI领军科学家。

　　公开资料显示，罗福莉本科毕业于北京师范大学计算机专业，硕士阶段进入北京大学计算语言学深造。硕士毕业后，罗福莉加入阿里巴巴达摩院，担任机器智能实验室研究员，负责开发多语言预训练模型VECO，并推动AliceMind项目的开源工作。

　　2022年，罗福莉加入DeepSeek母公司幻方量化从事深度学习相关工作，后又担任DeepSeek的深度学习研究员，参与研发DeepSeek-V2等模型。

　　去年11月12日，澎湃新闻记者独家获悉，罗福莉在朋友圈发文：“智能终将从语言迈向物理世界。我正在Xiaomi MiMo，和一群富有创造力、才华横溢且真诚热爱的研究员，致力于构建这样的未来，全力奔赴我们心目中的AGI。”这也是罗福莉首次正式宣布，自己已经加入小米，亦是对此前传言的回应。

编辑： 杨丹

纠错：171964650@qq.com