标签：小米 共 1 条

单次RL后训练耗资260万美元，小米MiMo-V2.6把强化学习推向规模化

小米首次披露MiMo-V2.6的强化学习训练账本：单次RL后训练成本约260万美元，单步训练消耗37亿Token。这份罕见的公开数据引发业内对'规模化强化学习'路线成本与可行性的热议。