小米直播烧钱训练大模型:罗福莉沉寂半年,每小时3万美元赌强化学习
深夜打开小米MiMo训练直播页,跳动的数字让人心惊:一小时3万美元,折合人民币超20万元,36小时烧掉108万美元。这不是融资发布会,是强化学习训练的实时账单,显卡故障、奖励曲线、每一步花了多少钱,全部公开可查。希鸥网观察到,这场直播的主角是小米大模型团队负责人罗福莉及其MiMo-V2.6系列。沉寂近半年后,她带着Flash和Pro两款模型重新露面,自4月开源MiMo-v2.5以来,团队只研究一件事:强化学习到底能扩展到多远。烧钱速度只是表象。真正值得拆解的是小米选择的技术路线。传统预训练靠堆数...