小米 MiMo-V2.6 强化学习训练开直播，36 小时烧了 108 万美元 小米把新模型的强化学习训练过程挂到网上开直播了。 点开那个页面，能看到的东西不少。花了多少钱，跑到第几步，奖励曲线有没有往上走，全都实时更新。连哪个节点的显卡出了故障，页面上也记着。被直播的是两款模型，MiMo-V2.6 的 Flash 和 Pro。 先说最扎眼的一栏，账单。从 Pro 开始训练算起[……]继续阅读
