小米 MiMo 训练直播页面：实时公开训练成本

这期讲了什么

• 直播的是什么：小米把 MiMo-V2.6 的强化学习训练现场挂到公网，白底页面顶上一个总花费数字一直往上跳，两个还没发布的模型（pro 和 flash）训到一半，整个过程摊在公网上
• 烧钱速度可验证：实测八十秒总花费涨了 689 美元，折合一秒 8.6 美元、一分钟五百多、一小时三万出头；两个模型各自花费加起来正好等于顶上总数，一分不差，录片时总数 133 万美元
• 训练细节也摊着：pro 练到第十四步、flash 第十七步，pro 训练一步要两小时五十四分钟；每一步同时开两三万个练习场让模型做题（这就是强化学习），一千五百多道题一起上、每道试十六遍，其中一遍都没做对的占 15%
• 最扎眼的是公告栏：首页挂着三条公告、两条是坏消息——pro 有节点显存出问题正在重启；flash 从第十五步重新开始，原因是一批题目那边机器出岔子、监控三个小时都没认出来
• 为什么要这么做：官方推文写的是「强化学习到底还能往上堆多远」，这个问题他们自己也没答案；负责人罗福莉（来小米之前在 DeepSeek 做研究）说希望让研究圈对扩展强化学习的核心难题上心、欢迎帮他们把训练方案改得更好；他们说未来几周会逐步把训练细节开源出来

文字稿

一个实时直播烧钱的页面

小米开了个网页，实时直播自己烧钱。不是发布会，不是跑分海报，就是一个白底页面，顶上挂着一个数字，一直往上跳。你现在打开，数字还在跳。

跳的是总花费。往下拉，是两个正在训练的模型，MiMo-V2.6 的 pro 和 flash。模型还没发布，训练才跑到一半，整个中间过程就这么摊在公网上。一家公司，为什么要让外人盯着自己的账单？

我掐着表数了八十秒。八十秒里，总花费涨了六百八十九美元。算下来一秒钟八块六美元，一分钟五百多，一小时三万出头。这个数也不是随手糊上去的：页面上两个模型各自花了多少，加起来正好等于顶上那个总数，一分不差。到我录这段话为止，总数是一百三十三万美元。

两千零六十七个训练指标全公开

往下翻，这个页面就不只是一个数字了，训练过程本身也摊在那儿。

pro 练到第十四步，flash 第十七步。你可能觉得一步是几分钟的事——pro 那边训练一步，要两小时五十四分钟。每一步里，小米同时开着两三万个练习场，让模型在里面做题。这套让模型自己做题、做对了给奖励的练法，就叫强化学习。一千五百多道题一起上，每道题试十六遍。

还有一栏专门记做对率：那十六遍里一遍都没做对的，占百分之十五。这种数据平时是躺在公司内部看板上的，这个页面上，这样的指标有两千零六十七个，全公开。

把自己的事故写在首页

但真正让这件事跟别人不一样的，是页面最上面那一小块公告栏。

上面挂着三条，两条是坏消息。一条说，pro 有个节点显存出了问题，正在重启。另一条说，他们把 flash 从第十五步重新开始了，原因是有一批题目那边机器出了岔子，监控三个小时都没认出来。一家每分钟烧五百美元的公司，把自己的事故写在了首页。

这就是开头那个问题的答案。小米不是在炫成绩，成绩还没出来。官方账号发那条推文的时候写了一句话：强化学习，到底还能往上堆多远。这个问题他们自己也没答案。MiMo 大模型负责人罗福莉，来小米之前在 DeepSeek 做研究，她在下面回了一句：希望这次直播能让研究圈对扩展强化学习的核心难题上心，也欢迎研究者帮他们把训练方案改得更好。

那不是发布会的口气，那是把车间门打开，请人进来挑毛病。你要是也以为训练一个大模型就是按个开始键，打开这个网页看十秒钟。

他们说未来几周会逐步把训练细节开源出来。这个页面还在跑，等东西放出来，我再回来把结果讲一遍。至于现在，那个总花费还在往上跳——你看完这条片子的这三分钟，那边差不多又烧掉一千五百美元。

最后想听你一句：把自己的事故挂在首页，你觉得这是底气，还是没别的办法？

常见问题

小米 MiMo 训练直播页面是什么？

小米把 MiMo-V2.6 的强化学习训练现场挂在公网上的一个实时页面：顶上是不断跳涨的总花费，往下是 pro 和 flash 两个未发布模型的训练进度、两千零六十七个训练指标，以及首页公告栏里如实写明的事故和重启记录。

训练大模型要烧多少钱？

按这个直播页实测：八十秒总花费涨 689 美元，折合一秒 8.6 美元、一分钟五百多、一小时三万出头；录片时总花费已到 133 万美元。两个模型各自的花费加起来与总数分毫不差，这个数字是真实账本不是展示用的。

小米为什么公开训练过程？

官方的说法是想知道「强化学习到底还能往上堆多远」——这个问题他们自己也没答案。MiMo 负责人罗福莉（前 DeepSeek 研究员）说，希望直播能让研究圈对扩展强化学习的核心难题上心、帮他们把训练方案改得更好。不是发布会，是把车间门打开请人挑毛病；未来几周还会逐步开源训练细节。