小米发布MiMo-V2.6技术报告：披露规模化强化学习训练路线

单次RL后训练烧掉260万美元、每步37亿Token，小米披露MiMo-V2.6“规模化强化学习”路线 小米MiMo团队10月8日发布技术报告《MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement》，披露通过同时扩大训练Batch、任务环境与Harness，以及用于评判Agent行为的Grader Compute，来探索模型持续自我改进的路径。报告涉及的MiMo-V2.6-Pro（总参数1.02T、单次推理激活42B）与MiMo-V2.