每小时烧掉三万美元！前DeepSeek大牛罗福莉加盟小米后首度直播大模型训练
9月17日，前DeepSeek核心研究员、现小米MiMo大模型负责人罗福莉在X平台公开了MiMo-V2.6的实时训练页面，这也是外界首次直观看到该代模型强化学习阶段的训练状态，高额训练成本与全公开的直播模式迅速引发AI行业热议。
罗福莉加盟小米后首度公开训练实况，全透明直播模式引行业围观
这是罗福莉去年11月官宣加入小米后的首次公开训练展示。彼时她在朋友圈发文称“智能终将从语言迈向物理世界”，透露正在负责小米首个推理大模型Xiaomi MiMo的研发，致力于推动AGI落地。此次直播训练的消息发布后，大量AI从业者、投资人涌入围观，不少网友调侃“一秒烧10美元，每分钟就是4000多元人民币，这才是真正的烧钱现场”。训练页面实时公开了模型训练进度、Token消耗、训练成本、样本数量、内部指标变化甚至显卡故障等全流程信息，完全透明化的展示方式在行业内极为罕见。
MiMo-V2.6双版本训练成本披露，Pro版每小时烧钱超2万美元
根据罗福莉公开的训练数据，截至发稿时，MiMo-V2.6的两个版本累计训练成本已超135万美元。其中MiMo-V2.6-Pro训练时长为1天21小时，耗费超93万美元，平均每小时花费超2万美元；MiMo-V2.6-Flash训练时长为1天16小时，耗费超42万美元，平均每小时花费超1万美元。综合计算，两个版本训练合计每小时花费约3.1万美元，折合人民币超20万元。
小米明确强化学习Scaling三路径，探索RL能力扩展边界
罗福莉在发文中透露，此次训练的核心目标是研究强化学习（RL）的扩展边界，团队正在从三个方向推进相关工作：
- 算力扩展：每步处理约20亿token，采用1568个提示×16次rollout的完全异步计算模式，最大化算力利用效率；
- 框架扩展：采用多任务代理式RL框架，在一次运行中混合多个测试框架，提升模型的泛化能力；
- 评估扩展：采用代理式组内信用分配机制，结合测试用例和基于量规的奖励计算方式，更精准评估模型表现。
她同时表示，团队未来几周将逐步开源此次训练的详细技术细节。公开训练数据也显示，两款模型在强化学习过程中均已出现明显能力提升：Pro的dynsam/avg@n从初始的约0.565提升至0.614，Flash从约0.514提升至0.603；最新DeepSWE v1.1离线评测中，Pro和Flash分别达到62.24和60.77。
95后AI科学家罗福莉带队，履历覆盖阿里达摩院、DeepSeek核心研发
罗福莉1995年出生于四川宜宾，本科就读于北京师范大学计算机专业，硕士毕业于北京大学计算语言学研究所计算语言学专业。求学期间，她曾在2019年人工智能领域顶级国际会议ACL上发表8篇论文，其中2篇为第一作者。
职业履历上，罗福莉早期任职于阿里巴巴达摩院，主导开发了多语言预训练模型VECO，并推动了AliceMind的开源工作；2022年加入DeepSeek母公司幻方量化从事深度学习相关工作，后担任DeepSeek深度学习研究员，参与研发DeepSeek-V2等知名模型。在今年3月的小米“人车家全生态”合作伙伴大会上，罗福莉完成了加盟小米后的公开首秀，她提出下一代智能体系统的核心将围绕Agent执行与Omni（全能）感知展开，涵盖记忆、推理、自主规划、决策、执行多个维度，大模型的发展方向应当从“回答问题”转向“完成任务”，同时统一多模态感知能力，为理解物理世界打基础。
行业关注高成本技术迭代风险，投资人提示需评估长期竞争力
此次小米公开大模型训练全流程的做法也引发了行业不同讨论。有行业投资人指出，强化学习扩展需要大量算力支撑，当前高额训练成本意味着技术迭代的门槛极高，若无法在成本控制上取得突破，模型能力很容易被其他技术路线或竞品超越。不过也有观点认为，完全公开的训练过程为行业提供了宝贵的参考样本，若小米能在强化学习Scaling上取得实质性突破，将具备极强的技术竞争力。整体来看，小米此次的探索具备创新性，但技术持续性与成本控制能力仍是后续需要关注的核心要点。