一手来源交叉核对普通人视角
2026年9月17日凌晨2点52分，罗福莉在 X 上发了一条 541 个字符的推文。没有配图，也没有长文连载，结尾挂了一个链接，指向 mimo.xiaomi.com/rl/。推文第一句是 "Nearly half a year of silence."，意思是近半年的沉默。
她随后解释了这半年在做什么。团队只研究一个问题，强化学习（RL）究竟能扩展到多远。答案就是 MiMo-V2.6，目前正在训练中，而且训练过程被做成了实时直播，任何人都可以打开网页查看。
这条消息当天在海内外多个科技社区和媒体上被转发讨论。下面先把一手来源锁定，再把关键数字交叉核对，然后换一个更值得普通读者关注的角度来看。当大厂把成本计数器和故障公告一起挂到公网，开放正在成为一种新的信用凭证，而这一侧，恰恰是普通人也够得着的。
一、先锁一手来源：541字符的推文，和一个会跳数字的网页
本文引用的所有数字，一手来源只有一个，即小米官方的训练直播仪表盘 mimo.xiaomi.com/rl/。它由罗福莉的推文引出，页脚写着 "@XiaomiMiMo · streaming since 2026-09-16 04:00 UTC · Open is what we value."
需要说明的是，直播页上的数字每秒都在刷新，同一项指标在不同时间读取会得到不同的值。因此下文提到的成本，指的是某个具体时点的读数，而不是一个固定不变的总额。
二、110万美元花在哪：拆开仪表盘看
直播页是一个仪表盘，大致分四块。顶部是通知栏，滚动故障与评测公告；中间是两条训练线各自的花费、步数和 token 数；再往下是每一步的数据配比；最底部是评测成绩。页面上同时跑着两个模型，MiMo-V2.6-Pro 和 MiMo-V2.6-Flash。
要看懂这些数字，先要知道这轮训练在做什么，简单说就是让模型自己做题。每道题是一个真实的软件工程任务，模型被放进带有代码库、终端和测试用例的环境里，自己改代码、跑测试，由评分器打分。一批任务全部做完，参数更新一次，这叫一个 Step，也就是一步。每一步会把 1568 道题各做 16 遍，产生约 2.5 万条答题记录。
2B 每步 token 消耗 | 1568×16 每步提示词×推演轨迹 | ≈$74k Pro 单步成本 | ≈$20k Flash 单步成本 |
综合不同时点的读数，两条训练线的累计成本大致如下。
| 统计时点 | 累计成本 |
|---|---|
| 训练约 36 小时 | 超过 108 万美元 |
| 训练约 2 天 | 约 114 万美元 |
也就是说，不到两天，两条线合计已经超过 110 万美元，而且还在继续。有读者按当前步速推算，Pro 与 Flash 完整跑完，总成本可能达到 300 万美元级别。这只是一个推导估值，并非官方预算。
成本的大头在题型，不在算力
仪表盘把每一步喂入的数据源按类别列了出来，这也是国内厂商首次公开强化学习阶段的数据配比。以 Pro 的 step 10 为例，共 25 个数据源。
| 类别 | 提示词占比 | 说明 |
|---|---|---|
| 代码 code | 67.7% | 绝对主力，每题平均 55 轮工具调用、9 万 token 上下文 |
| 视觉 visual | 13.1% | 多模态任务 |
| 通用 general | 12.1% | 综合能力 |
| 安全 cyber | 4.1% | 攻防 |
| 对话 chat | 3.0% | 占比最小 |
代码占三分之二以上，一道题平均 55 轮工具调用、9 万 token 上下文。光是让模型把题做完，就比对答案贵得多。成本的大头在题型，不在用卡数量。
三、这笔钱在行业里算什么
这个量级值不值，有两个公开的同行参照。
- DeepSeek-R1 的 RL 阶段花了 $294,000，用 512 张 H800；
- MiniMax-M1 的 RL 阶段花了 $535,000，同样 512 张 H800，跑了三周。
小米两条线两天花掉 110 万美元，比这两家加起来还多，而且还在继续跑。Jina AI 创始人肖涵的点评相当直接，他说，"别让 CFO 看到这个"。
但如果换成看单位能力增益的成本，结论会不一样。仪表盘公开了一项叫"训练通过率"的指标，指的是在当前步的 1568 道题、每题 16 次尝试里，模型平均能通过多少。
| 模型 | 通过率(某步) | 较第1步提升 | 每涨 1pp 成本 |
|---|---|---|---|
| Pro | 61.4% | +4.9pp | ≈ $140k |
| Flash | 60.3% | +8.9pp | ≈ $38k（约 1/4） |
Flash 用大约 Pro 四分之一的钱，就能换来相近的通过率提升。这也是小米采用双基座并行对照训练的原因，同样一套 RL 范式，可以直接比较不同基座在成本与收益上的差异。按直播页口径换算，Pro 的单位 token 成本约 34.3 美元每百万，Flash 约 8.7 美元每百万，相差近 4 倍。
四、真正的信号：它选择公开
不到两天花掉 110 万美元，对大厂来说并不算大数字。雷军 2026 年 3 月公开表示，小米未来三年将投入至少 87 亿美元用于 AI；同年他还提到，2026 年小米在 AI 领域的研发和资本投入将超过 160 亿元人民币。按这个量级，MiMo-V2.6 的这次 RL 训练只是一个零头。
所以重点并不在钱，而在公开这件事本身。
行业里的大模型训练，长期处于黑箱状态。训练进行到哪个阶段、消耗了多少算力、中途故障过几次、某一步的评测分数是多少，这些信息在模型正式发布前几乎不会出现。偶尔有团队放出训练曲线，也多是发布之后的回顾材料。小米这次给的是实时数据，包括正在进行的 step、不断跳动的成本计数器，以及一条被写进公告栏的现场播报，"mimo-v2.6-pro 因一个节点的显存问题正在重启"。
页脚那句 "Open is what we value" 在这里不只是文案，它对应着一个任何人都能验证的行为。此刻打开网页，就能看到故障记录、成本数字，以及一个尚未练完的半成品。把"开放"挂在嘴边很常见，把它做成一个可以随时刷新的网址却很少见。
五、更深的一层：Know-how 免费，算力天价
这一层，我认为最值得普通人，尤其是做一人公司的读者留意。
小米这次同时做了两件方向相反的事。
- 把方法免费公开。推文承诺技术细节会在未来数周分批开源，直播页还把通常只出现在技术报告里的内部指标摊了开来，包括奖励均值、策略熵、梯度范数、上下文长度、单步耗时、零次与一次通过率、基础设施错误率、数据陈旧度等，每秒更新。
- 把算力成本留给自己。完整跑完可能达到 300 万美元级别，每百万 token 成本数十美元，这是普通团队难以企及的投入。
这里藏着一个 AI 行业反复出现的矛盾。方法越来越便宜，甚至免费，而执行越来越贵。普通团队赢不了烧钱的军备竞赛，但可以免费学到那套具体的方法，再把它用在自己有优势的地方，比如一个垂直领域、一批独家数据，或者一条现成的分发渠道。
这条线索可以接上我此前写过的两篇。一篇谈的是普通人的稀缺性正从"手"转移到"脑"，另一篇谈的是"脑"本身也在被重新定价。今天这篇再补一层。当方法免费、算力昂贵，真正稀缺的是敢于把过程摊开的信用，以及在垂直场景里把免费方法用出结果的能力。
六、罗福莉其人，和小米今年的四波动作
罗福莉的公开履历在中文 AI 圈已相当清晰。她本科毕业于北京师范大学计算机专业，硕士就读于北京大学计算语言学方向，曾在阿里达摩院主导多语言预训练模型 VECO 并推动 AliceMind 开源；2022 年加入 DeepSeek，参与 DeepSeek-V2 的研发；2025 年 11 月加入小米。她的 X 简介至今写着 "Now building @XiaomiMiMo. Previously @deepseek_ai"。
把时间线往前拉，这已经是小米今年在大模型上的第四波动作。
| 时间 | 动作 |
|---|---|
| 3月 | 匿名模型 Hunter Alpha 登顶 OpenRouter 调用榜，后小米认领为 MiMo-V2-Pro（一度被开发者猜成 DeepSeek V4） |
| 4月27日 | MiMo-V2.5 系列以 MIT 协议开源（Pro 版总参 1T、激活 42B、上下文 100 万 token）；同日宣布三年 600 亿级 AI 投入 |
| 6月 | 发布 UltraSpeed，把 1T 模型输出推到每秒 1000 token，并公开后训练方法 MOPD 论文 |
| 9月 | MiMo-V2.6 RL 训练直播（本文） |
七、写在最后：给普通人的三点参考
第一，不必被"烧钱"吓退。大厂烧的是通用底座，普通人并不需要和它正面竞争。它把方法免费开源，等于把"怎么练"的图纸公开出来，你拿去解决一个具体的、狭窄的、它无暇顾及的领域，反而更划算。
第二，把"过程透明"当成差异化。小米用敢于公开换取信任，做产品、做内容、做服务也是同样的道理。把方法、进度，甚至翻车的过程展示给看得见的人，长期积累下来的是别人抄不走的信用。
第三，留意强化学习加真实任务这条线。小米把三分之二的训练预算押在代码和智能体这类可验证的真实任务上，说明前沿的增量正在从"堆参数"转向"在真实环境中自我迭代"。普通人能借力的，正是这种可验证、可复现、可开源的范式，而不是另一个封闭的黑箱。
一手来源
- 罗福莉 X 原帖：https://x.com/_LuoFuli/status/2100296686719610932
- 小米官方训练直播仪表盘：https://mimo.xiaomi.com/rl/
- DeepSWE v1.1 榜单：https://deepswe.datacurve.ai/blog/deepswe-v1-1
