小米直播训练模型，六天烧掉350万美元

小米把模型训练做成了一场公开表演。连续六天，它直播强化学习过程，屏幕上的花费计数器实时上涨。据中国媒体量子位报道，MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 各完成 30 个训练步，最终账单停在 350 万美元，约合 2344 万人民币。

费用拆分说明，如今大规模强化学习有多贵。仅 Pro 就用了 5 天 3 小时，花费约 260 万美元。Flash 用了 3 天 10 小时，约 90 万美元。每一步包含 1568 个提示词，每个任务模型尝试 16 条不同路径，一步下来超过 25000 次运行。每步训练消耗 37 亿到 1110 亿 token，仅 Pro 在整个训练中就处理了约 1110 亿 token。按量子位的计算，这相当于 8 万多个长度百万 token 的上下文窗口。

成绩与前沿模型的对比

MiMo-V2.6-Pro 有 1.02 万亿参数，其中 420 亿为激活参数，在 Artificial Analysis 智能指数上拿到 46 分，在开放模型中排第一。在多数智能体测试中，Pro 的成绩接近 Claude Opus 5 和 GPT-5.6 Sol。MiMo 项目负责人罗福莉此前参与过 DeepSeek-R1 的工作。她称这是任何开放模型团队做过的最大的单次强化学习训练之一，并说工程难度超过她在 DeepSeek-R1 时记得的水平。

开放是策略，不是姿态

与此同时，小米公布架构细节。MiMo-V3 基于 HySparse2 方案，针对长程、多步智能体任务做了优化：两级 KV 共享、稀疏 token 选择，以及提前退出预填充阶段。效果是预填充阶段的计算开销降到混合注意力窗口版 HySparse 的五分之一，在百万 token 上下文下 KV cache 从 12 GB 降到 2.7 GB。据小米说，长文本检索能力没有下降，反而上升。

这与 DeepSeek 系列呈现的方向一致：中国模型今天比拼的不是参数峰值，而是维持长上下文的成本。对最终用户来说还有一点重要，权重是开放的，所以结果不必只凭信任接受。