每小时烧 3 万美元、全程直播:罗福莉把小米的训练车间搬上了台面

原创2026-10-24 09:29:541,888 阅读
文章标签:人工智能大模型基础模型多模态强化学习推理模型语音计算机视觉

每小时烧 3 万美元、全程直播:罗福莉把小米的训练车间搬上了台面

最近科技圈有个画面挺魔幻的。

一边是各家大模型公司把训练过程捂得严严实实,连用了多少张卡都不肯说;另一边,小米的 MiMo 团队直接把训练车间的大门推开,让所有人围观——屏幕上滚动的不是发布会 PPT,而是真实跑着的训练曲线、真实的 token 消耗、真实的美金在燃烧。

主导这件事的人,是罗福莉。

9 月 22 日凌晨,小米正式发布并开源 MiMo-V2.6 系列。伴随模型一起放出来的,是一份完整技术报告、训练环境、强化学习代码,以及那句很扎眼的话:这次训练,我们是边跑边直播的。

一、先把账算清楚:这 6 天到底烧了多少钱

先说数字,因为数字最有冲击力。

按照官方公布的口径,MiMo-V2.6 的两个版本在不到 6 天里,各自完成了 30 轮强化学习,每轮要处理大约 75 万条"做题轨迹"。

账单是这样的:

轻量版 Flash 花了约 85 万美元,旗舰版 Pro 花了约 262 万美元,加起来差不多 347 万美元。

347 万美元摊到 140 多个小时里,平均每小时就是 2.4 万美元上下;而媒体报道里提到的"每小时超 3 万美元",说的是高峰期——大批量同时开跑、几千条样本一起推进的时候,那台机器是真的在"哗哗掉钱"。

这个数字放在普通人视角里是什么概念?差不多相当于每小时烧掉一辆中档家用轿车。而且不是烧一辆就完事,是连着烧六天。

但更值得看的不是"贵",而是"贵得值不值"。

官方给出的结果是:训练过程中,任务平均通过率相对提升了 25%(Flash)和 12%(Pro)。在一个叫 DeepSWE 的长流程编程测试上,Flash 从 48.8 分涨到 65.68 分,Pro 从 58.4 分涨到 72.57 分——一次强化学习,硬生生拉高了十几分。

打个比方,这就像给一个已经能考 80 分的学生请了个一对一家教,六天之后考到了 95 分。花的钱不少,但提升是实打实的。

二、所谓"直播训练",到底在直播什么

听到"直播训练",很多人第一反应是:是不是主播坐在镜头前讲 PPT?

不是。它更像把餐厅后厨的玻璃墙拆了,让顾客站在灶台边上看你切菜、颠勺、翻车、重做。

这次公开的,是强化学习这条最不好看的流水线:模型自己生成一大堆答案,系统给答案打分,分数高的被奖励,分数低的被淘汰,然后模型调整自己,再来一轮。一轮接一轮,三十轮。

过去这套东西是各家最不愿示人的部分——因为它既暴露成本,也暴露失败率。

小米这次不仅公开了,还顺手开源了训练环境和强化学习代码,意思是:你不信我的成绩,可以自己复现一遍。

这在国内大模型圈并不常见。也难怪有网友在头条上感慨:"第一次看开源那么彻底。"

当然,透明也是有边界的。公开的是方法、环境和曲线,不是每一行内部调试日志;公开的是结果可验证,不是把所有商业细节都摊开。但对普通用户来说,这种"敢被围观"本身,就已经是一种态度。

三、它到底是个啥?一句话:一个能自己刷题、还会自己批改的"全能选手"

抛开所有术语,MiMo-V2.6 可以理解成一个**"原生多模态 + 超长记性 + 会自己练"的 AI 助手**。

"原生多模态"的意思是,它从一开始就是把文字、图片、视频、声音混在一起学的,不像有些模型是先用文字学完,再后期补装眼睛和耳朵。这就像一个人从小在菜市场长大,看人脸色、听方言、闻味道是一起学会的,而不是长大后临时上几节培训班。

"超长记性"指的是它能一口气处理 100 万个 token 的信息。换成生活场景:几十万字的代码仓库、几个小时的会议记录、一整套多轮对话,它能一次性看完再动手,不用你反复喂上下文。

而"会自己练",就是前面说的强化学习——它不只在模仿人类写的答案,还会自己在环境里试错,试对了记住,试错了改。

四、三个最让人"喔"一下的实战场景

第一,一句话生成一个能玩的 3D 小世界。

官方演示里,给一张图、一段视频或者一句话,它能自己拆任务、自己搭 3D 场景、自己写交互逻辑,跑起来之后还会看渲染效果,不好看再改。这叫"Vibe World"——以前我们说 AI 帮忙写代码,现在它是直接把一个可交互的世界搭出来。

对做小游戏、做展厅、做电商 3D 展示的人来说,这不只是省时间,是把"请一个美术+一个前端+一个策划"的起步成本压了下来。

第二,它伸出了手,去控制真实的机械臂。

在多视角摄像头的画面输入下,模型能持续判断、做决策,闭环控制一只 Franka Panda 机械臂去抓东西、按颜色配对、精准摆放。这一步的意义在于:AI 不再只是屏幕里的聊天框,它开始试着"动手"。

第三,做PPT、做网页、剪视频、写曲子,一条龙。

一句话需求,给你一套排版讲究、有动效、能交互的前端页面;三份不同主题的演示文稿,全部来自一行 brief;产品宣传片能从视觉设计、镜头编排、配乐到卡点剪辑全流程走完;甚至能自己写出一段十来件乐器的管弦乐,并自己转成 MIDI。

还有个更硬核的例子:小米的材料专家让它设计一种能吸附"永久化学品" PFAS 的全新材料,它自己查文献、查专利、提假设、评估新颖性,再调用开源计算工具做"干实验",筛出三个候选结构交给实验室做"湿实验"。

以及数学——它协助研究者把一篇经典论文的主定理,完整形式化成 6000 多行可被机器验证的证明代码,而且没有留下任何"待补"的空洞。

五、跑分这件事,它确实站到了第一排

在 Artificial Analysis 的智能指数上,MiMo-V2.6-Pro 拿到 46.32 分,官方说法是超过了 Kimi K3 和 Qwen3.8 Max,成为当时得分最高的开源模型。

更关键的是价格没涨。

Pro 版每百万 token 输入 0.435 美元、输出 0.87 美元;Flash 版输入 0.14 美元、输出 0.28 美元。有媒体算过,很多日常任务跑下来,单次成本不到 1 块钱人民币。

这就形成了一个很现实的竞争力:性能挤进第一梯队,价格却停在原来的位置。对开发者来说,这意味着原来"想一想预算再决定要不要调 API"的项目,现在可以放开手试了。

不过也别只听官方口径。社区里的评价明显更"人间真实":

有人实测后说它"雷霆思考,慢到红温,但我觉得及格了"——翻成大白话就是:答得不错,就是有点磨叽,等得人心态微妙。

也有人直言,在自然语言理解和展开上,它的表现"能和 Qwen-0902 坐一桌"。

这些声音其实很有价值。它说明 MiMo-V2.6 不是那种"跑分封神、上手劝退"的模型;它有明显长板(编程 Agent、多模态、长流程任务),也有需要打磨的地方(响应速度、稳定性)。

六、普通人想用,门槛高不高?

分三种情况说。

只想体验一下:门槛几乎为零。 网页端的 MiMo Studio、桌面客户端 MiMo Desktop,Windows、Mac 都能装,打开就能聊、能传图片、能传文件。手机上也能通过开放平台和第三方入口用到。

想接进自己的工作流:中等门槛。 开放平台提供 API,兼容主流接口格式,还上了 OpenRouter。会写点代码的开发者,改个地址、填个 Key 就能用自己的工具调它。社区里已经有人把它接进了 VS Code,让它在编辑器里直接改代码。

想自己在本地跑:门槛很高,劝退级别。 这是一个总参数 3090 亿、每次激活 150 亿的混合专家模型,权重文件体积是几百 GB 级别。它需要的是服务器级的显卡阵列,不是你家那台带独显的笔记本。所以对绝大多数人来说,用它的正确姿势是"用服务",不是"下模型"。

那它适合谁?

自媒体和设计从业者,可以拿它做封面文案、做短视频分镜、做一套能直接讲的 PPT;办公族可以丢给它一份长文档,让它读完再汇总;学生可以用它啃论文、梳理知识;而科技发烧友最该关注的,是它开源出来的训练环境和强化学习代码——那才是这次真正的"隐藏福利"。

七、写在最后:把厨房打开,本身就是一种自信

这几年我们见惯了"发布即封神"的剧本:一场发布会,一堆跑分图,然后归于沉寂。

小米这次选了一条更笨、也更实在的路——把训练过程摆到台面上,把成本摊开,把代码和环境放出来,让别人来验。

每小时 3 万美元是真的贵。但换个角度想,这 347 万美元买的不是一个榜单名次,而是一条被验证过的方法:原来强化学习真的可以让模型在几天之内,自己把自己往上抬一截。

这条路一旦被更多人复现、改造成本更低、跑得更快,受益的就不只是小米,而是所有用 AI 干活的人。

最后留个问题给大家聊:如果让你花 347 万美元看一场"AI 六天速成班"的全程直播,你觉得这笔钱花得值,还是不如直接买算力自己练?评论区说说你的算法。

登录后查看全文
MiMo-V2.6-Flash-RL