知识卡片：小米直播MiMo-V2.6强化学习训练，实时披露成本

英文标题：材料未提供（待核实）
英文关键词/缩写：MiMo-V2.6；Pro；Flash；RL；tokens；DeepSWE v1.1
主题/领域：agent / industry

一句话结论

小米MiMo-V2.6公开强化学习实时训练页面，披露Pro与Flash两版本累计训练成本超116万美元、平均每小时约3.09万美元，并展示单个step约2B tokens、完全异步训练、多任务环境混合与智能体式组内贡献归因等训练侧信息。

事件概述或研究问题

据腾讯研究院AI速递20260918条目，小米MiMo负责人罗福莉公开MiMo-V2.6强化学习实时训练页面。材料显示，Pro与Flash两版本累计训练成本超116万美元，平均每小时约3.09万美元；本轮RL将单个step扩至约2B tokens，采用完全异步训练，并混合视觉、代码、通用与聊天等多任务环境；同时引入智能体式组内贡献归因，结合测试用例与评分细则给予奖励。目前Pro版DeepSWE v1.1得分达63.72。
该条关注的问题是：大规模RL训练的成本、训练机制与多任务/智能体信用分配如何被公开披露，以及这种披露能否形成行业可比较的训练侧信息。

方法/产品要点

• 训练对象：MiMo-V2.6，包含Pro与Flash两个版本。
• 成本披露：公开实时训练页面，显示Pro与Flash两版本累计训练成本超116万美元，平均每小时约3.09万美元。
• RL规模：将单个step扩至约2B tokens。
• 训练机制：采用完全异步训练。
• 环境混合：混合视觉、代码、通用与聊天等多任务环境。
• 奖励/归因：引入智能体式组内贡献归因，结合测试用例与评分细则给予奖励。
• 评测结果：Pro版DeepSWE v1.1得分达63.72。

主要结果或产业意义

• 成本侧：材料给出累计超116万美元、平均每小时约3.09万美元的数字，可作为观察大模型RL训练投入强度的个案样本。
• 能力侧：Pro版DeepSWE v1.1得分63.72，但评测口径、对比基线和排名仍需核实。
• 产业意义：训练过程与成本透明化，可能帮助行业理解大规模RL的算力消耗节奏；异步训练、多任务环境混合、组内贡献归因等要点，反映出Agent模型训练工程正从单任务训练走向更复杂的系统化RL。是否带来效率或泛化提升，需更多材料验证。

为什么重要

• 与既有脉络的关系：已有相关卡片多聚焦推理侧或编码智能体评测，例如快手KAT-Coder-Pro V2.5、编码智能体推理基准，以及SIMA 2等通用3D代理。本条增量不在重复榜单，而在训练侧公开成本与方法：MiMo-V2.6 RL实时训练页面、完全异步训练、多任务环境混合、智能体式组内贡献归因、DeepSWE v1.1得分。
• 对行业而言，公开训练成本与实时训练页面较罕见，可能影响模型公司披露训练投入的方式。
• 对Agent方向而言，组内贡献归因与测试用例/评分细则奖励，涉及多步任务中的信用分配问题，是Agentic RL的关键工程议题之一。

局限与不确定性

• 信息来自腾讯研究院AI速递对公开页面的转述，未直接核验小米原始实时训练页面。
• 116万美元、3.09万美元/小时等成本统计口径待核实，是否包含全部算力、数据、人力或其他成本尚不明确。
• Pro与Flash各自成本、训练时长、硬件配置、数据配比、异步训练实现细节未在材料中展开，待核实。
• DeepSWE v1.1的基准定义、评测设置、对比模型、得分单位或排名待核实。
• “实时”页面的更新频率、训练是否结束、当前结果是否最终版，均待核实。
• 材料日期标注为20260918，具体发布时间与原始来源页面状态待核实。

可用于图书/PPT/简报的角度

• 大模型RL训练成本透明化：把“每小时约3.09万美元”作为产业投入强度的观察切口。
• Agentic RL工程化：异步训练、多任务环境混合、组内贡献归因如何服务复杂Agent任务。
• 从“发布模型”到“公开训练过程”：训练页面本身可作为行业沟通与信任建设案例。
• 成本与能力并置：将训练成本数字与DeepSWE v1.1得分放在同一页，讨论投入与评测结果的关系，但需标注口径不确定性。
• 与已有编码智能体/通用代理卡片横向对照时，应区分“训练侧方法披露”和“推理侧能力评测”。

原始材料

• 原始来源：腾讯研究院AI速递 20260918
• 条目：小米直播MiMo-V2.6强化学习训练，实时披露成本
• 英文标题：材料未提供（待核实）
• 英文关键词/缩写：MiMo-V2.6；Pro；Flash；RL；tokens；DeepSWE v1.1
• URL：https://m.sohu.com/a/1077506029_455313?scm=10001.325_13-325_13.0.0-0-0-0.5_1334&digest_item=6
• 父级文档URL：https://m.sohu.com/a/1077506029_455313?scm=10001.325_13-325_13.0.0-0-0-0.5_1334
• 备注：发布日期、原始训练页面细节、成本口径与评测细节待核实。