小米开源MiMo-V2.6：强化学习体系详解
发生了什么
据雷锋网报道，小米于2026年9月23日开源MiMo-V2.6模型。该模型Pro版拥有1.02T总参数、42B激活参数，Flash版为309B总参数、15B激活参数，均支持1M token上下文及多模态输入。其核心在于后训练强化学习体系，采用You Only RL Once策略，单次更新使用1568个prompt生成25088条轨迹。系统引入fully asynchronous GRPO处理长尾任务，并通过GRS和GAR机制优化反馈质量，同时利用MOPD2复用教师轨迹以提升决策效率。
- Pro总参数
- 1.02T
- Pro激活参数
- 42B
- Flash总参数
- 309B
- 单次RL轨迹数
- 25088
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 来源报道1 个发布入口