把炼丹房搬上直播:小米全程公开 RL 训练,全网围观
把炼丹房搬上直播:小米全程公开 RL 训练,全网围观
以前做 AI 大模型,外界最爱用三个字形容——"炼丹"。
一群人关在机房里,守着几千张显卡,烧着按秒算的电费,折腾几个月,最后端出一个模型。中间到底烧糊了几锅、失败了多少次,外人一概不知。
今年 9 月,小米把这间"炼丹房"的墙拆了。
MiMo-V2.6 还没正式发布,训练过程就先开播了。没有滤镜,没有剪辑,训练曲线、任务通过率、模型在考试里翻车的瞬间,全都摊在阳光下。发布之后,小米又顺手把模型权重和技术报告一起开源,还在权威评测平台 Artificial Analysis 上拿到了开源模型里的最高分。
一手直播,一手开源,这波操作在圈内被讨论了很久。有人叫好,有人质疑,但有一点绕不开:它是第一个把强化学习训练过程公开直播的。
一、直播的到底是什么"炉子"
先说明白,这次直播的不是"模型答题",而是"模型上学"。
打个比方。预训练像是让学生把图书馆的书全读一遍,先攒底子;强化学习(RL)则像请了个教练,让学生一道一道刷题,做对了加分,做错了重来,反复磨到形成肌肉记忆。
小米直播的,就是这段"刷题"的过程。
根据公开信息,这一轮训练大概跑了 6 天、约 30 个训练步,累计产生约 75 万条完整的操作轨迹。多家媒体报道,这 6 天的算力开销约合 347 万美元,折合人民币两千多万。
两千多万,六天,就为了把一个模型"练"得更聪明一点。
这钱烧在哪?烧在"数量"上。每一步训练,模型要同时对着 1500 多个任务、每个任务试 16 遍,一遍遍比较哪种解法更好。你可以理解成一个班 1500 个学生,同一道题各写 16 版答案,老师逐份批改,再把经验汇总给全班。
所以直播画面里最抓人的,不是酷炫的特效,而是那条缓慢往上爬的曲线——今天通过率 60%,明天 70%,某个任务卡了两天突然通了。对普通人来说这可能有点枯燥,但对开发者来说,这就像看别人打一局不能读档的游戏,每一步都是真金白银。
二、敢直播,是因为手里有牌
光有勇气不够,直播这种事,翻车风险极高。
小米这次的底气,主要来自一个思路:别只让模型"答对",还要让它"答得漂亮"。
过去的训练有个尴尬:一道编程题,十种写法都能跑通,系统只会给个"通过",那模型就学不到"哪种写法更优雅、更省资源"。
小米的做法是给评分系统再升一级——不光判断对错,还要在同一批答案里排出高低,把更好的解法往前推。相当于以前阅卷老师只打"√"和"×",现在还会评"这道题解法最简洁,加分"。
效果也很直观。官方数据显示,这一轮训练之后,旗舰版在多项任务上的平均通过率提升了约 25%,轻量版提升约 12%;在长链条的软件工程测试里,直接涨了十几分。
更关键的是,这次是把写代码、操作电脑、看图看视频、网络安全这些完全不同的"科目"混在一起练,而不是一门一门分开补课。官方的说法是,这样能力之间会互相"串门"——写代码练出的严谨,能帮到操作电脑;视觉任务练出的细心,又能反哺代码调试。
用人话说:不是请了六个家教各教一科,而是请了一个班主任,让六科互相带飞。
三、这台"练出来的机器",普通人能用它干嘛
先看硬件参数,但只看三个数字就够了。
第一个数字:1 万亿。 这个模型总参数达到 1.02 万亿,但每次干活只调动其中约 420 亿。就像一栋万人规模的大楼,日常只开几层楼的灯,需要哪层亮哪层。所以它虽然"体型巨大",跑起来却不至于把电表烧穿。
第二个数字:100 万。 上下文长度 100 万 tokens。翻译一下:它一次能吞下一整套中型代码仓库,或者几十份合同、一部长篇小说加一堆参考资料,还能记住前后文。做资料整理、跨文档比对,不用你切成十几段反复喂。
第三个数字:全模态。 文字、图片、视频、音频,它都能直接看、直接听,不是几个单模态模型拼起来的"缝合怪"。
这三样加在一起,落到实际场景里就很具体了:
- 扔给它一段产品需求,它能拆任务、写代码、跑测试、自己发现报错再改;
- 给它几张参考图,它能搭出一个能跑能玩的 3D 小游戏场景;
- 给它一堆网页和表格,它能自己点、自己填、自己核对;
- 官方还演示过用它协助材料科研:查文献、提假设、算结合强度,筛出候选材料。
评测数据上,它在终端操作、电脑操控、网络安全等 Agent 类项目里,已经贴到了国际闭源旗舰的身后,网络安全一项甚至包揽了前两名。这也是"开源模型第一"这个说法的来源。
四、围观群众的真实反应:一半掌声,一半挑刺
直播好看,开源也够意思,但真上手之后,社区的评价相当不客气。
有博主专门做了横向实测。结果很真实:让它做 3D 台球游戏,建模和交互"能用但不好";让它复刻网页,布局比例明显失真;让它做个经典横版闯关小游戏,三十分钟出来的成品被吐槽"地图、画面、角色、玩法没一样到位"。
更有意思的是它的"自我反省"环节。在一个长任务里,它做完之后自己截图检查,准确地指出"这辆车建模太圆了""人物比例不对""这个角色背对镜头了",然后安排修复任务,最后再截图验收。
流程完整得像模像样。可惜——它发现了问题,却没真正修好。
于是有博主给它下了个挺精准的评语:"知错,而无力改错。"
总体评价也很一致:下限偏低,上限不高,但速度快、价格便宜。轻量版和旗舰版差距小得惊人,很多任务上几乎打平。对预算敏感、又不追求极限效果的团队来说,这个性价比确实香。
这也算是直播带来的另一种诚实:你自己把过程摊开了,大家自然也会把毛病摊开讲。
五、想试试?门槛比想象中低
很多人第一反应是:"万亿参数的模型,我家那台电脑肯定跑不动吧?"
确实跑不动,但这不重要——你根本不用自己跑。
小米提供了几条现成的路:
- 网页端直接对话,注册就能用,手机上也能开;
- 有 Windows 和 Mac 的桌面客户端,能处理文档、生成网页、做表格;
- 开发者走 API,接口格式兼容主流的 OpenAI 和 Anthropic 规范,原来接别家模型的项目,改个地址和模型名就能切过来;
- 之前还搞过大规模免费额度活动,不少人是"白嫖"着测完的。
价格方面,旗舰版输入 3 元、输出 6 元(每百万 tokens),缓存命中的输入只要 2 分 5 厘。这个价位在目前的旗舰模型里,属于相当能打的一档。
所以适合谁?
自媒体和设计从业者,可以拿它做脚本、配图、简单动画和网页;办公族可以扔给它一堆文档做归纳比对;学生党用来解题、做知识梳理;至于科技发烧友,最爽的玩法其实是——去围观它翻车,然后看它下一次会不会改好。
六、写在最后
这次直播真正有意思的地方,不在于小米又发了多大的模型,而在于它改变了一件事的"可见度"。
过去我们看到的 AI,永远是发布会的最后一帧:跑分、榜单、漂亮的 demo。中间那些失败的尝试、烧掉的钱、调不通的任务,统统藏在黑箱里。
现在黑箱被撬开了一条缝。你能看到它六天烧掉两千多万,能看到它某天卡住不动,也能看到它今天比昨天多答对了几道题。
这未必能让模型变得更强,但确实让围观的人更懂它了——包括懂它的短板。
最后一个问题留给你:如果以后所有 AI 公司都公开训练过程,你是更愿意相信它,还是更愿意挑它的刺?评论区聊聊。
(本文数据来自项目公开资料、官方评测页面及社区实测反馈,不同测试环境结果可能存在差异)