罗福莉官宣小米强化学习进展：直播MiMo-V2.6训练过程，每小时约3万美元

小米负责人罗福莉在沉寂近半年后公开MiMo-V2.6的强化学习训练，并直播训练过程，页面公开花费、步数、奖励曲线和显卡故障，从Pro模型开始训练36小时两款模型已花超108万美元，平均每小时3万美元。