币界网消息，罗福莉表示，小米正在公开直播下一代MiMo-V2.6的强化学习训练。团队沉默近半年，专注于研究强化学习的扩展能力。目前v2.6仍在训练，具体技术方案将在未来几周陆续开源。每一步使用1568个prompt，每个生成16条rollout，总计约20亿token，全程异步运行。代码、通用、视觉、网络安全和聊天等agent任务被混合在同一次训练中，并同时使用多套harness。外界可以实时看到每一步的任务组成、上下文长度、训练耗时等内部指标。UC Berkeley博士生Yichuan Wang观察到，每一步约1500个任务，代码任务占约三分之二，同时活跃的沙箱超过4万个。