一、 沉寂半年後重回大衆視野

在人工智能領域備受關注的小米迎來新動態。沉寂半年的小米 MiMo 大模型團隊負責人、前 DeepSeek 研究員羅福莉，於9月17日凌晨在 X 平臺發文，正式對外公開並直播了當前大模型的訓練過程。此次動作標誌着她再次捲入激烈的大模型技術競爭中，同時也讓外界得以首次窺探小米最新一代模型的內部訓練狀態。

二、 MiMo-V2.6的 RL 實驗與三大擴展方向

根據羅福莉分享的實時訓練頁面顯示，目前小米旗下的最新大模型MiMo-V2.6正在進行大規模的 Agent（智能體）強化學習(RL)實驗。團隊在此次運行中重點推進了三個維度的技術擴展:

計算資源擴展:每步計算資源大約消耗20億 token，包含1568個提示乘以16次 rollout，採取完全異步的運行模式。

環境和測試框架擴展:構建了多任務代理式 RL，在單次運行中同步混合多個測試框架。

評估計算擴展:引入代理式組內信用分配，配備了實際測試用例和基於量規的獎勵機制。

羅福莉同時透露，團隊將在未來的幾周內逐步向外界開源相關的技術細節。

三、 高昂的訓練成本與雙版本表現

從公開的實時訓練數據來看，此次大模型訓練展現出極高的資金與算力消耗。訓練頁面中目前主要包含兩個並行版本:

MiMo-V2.6-Pro:累計訓練時長達到1天19小時，累計耗資約89萬美元，平均每小時的訓練成本超過2萬美元。

MiMo-V2.6-Flash:累計訓練時長爲1天14小時，累計耗資約39.7萬美元，平均每小時的訓練成本超過1萬美元。

兩個版本的累計訓練成本目前已經突破128萬美元，折算下來整體每小時的耗費超過3萬美元，充分凸顯出當前頭部大模型在強化學習階段對海量算力的極致訴求。

四、 團隊背景與此前進展

在業務佈局方面，小米高層此前曾多次公開披露 AI 領域的階段性成果。今年3月份，小米創始人雷軍曾在微博發文透露，萬億參數大模型MiMo-V2-Pro曾躋身全球大模型綜合智能排行榜 Artificial Analysis 的全球第八位，在品牌排名中位列全球第五，整體表現超越了 xAI 的 Grok 模型，並計劃在後續保持快速迭代與增強。

作爲核心領軍人物，羅福莉是一位備受矚目的“95後”AI青年科學家。公開資料表明，她本科畢業於北京師範大學計算機專業，隨後在北京大學攻讀計算語言學碩士學位。畢業後，她曾加入阿里巴巴達摩院機器智能實驗室擔任研究員，負責多語言預訓練模型 VECO 的開發，並推動了 AliceMind 項目的開源。

2022年，羅福莉加入 DeepSeek 母公司幻方量化從事深度學習相關工作，此後擔任 DeepSeek 深度學習研究員，參與了 DeepSeek-V2等核心模型的研發工作。直到去年11月12日，羅福莉在朋友圈發文確認加入小米，投身 Xiaomi MiMo 團隊，並致力於構建從語言邁向物理世界的 AGI（通用人工智能）未來。