小米开源MiMo-V2.6,采用开源模型中最大规模强化学习训练

小米发布MiMo-V2.6 Pro和Flash多模态模型,在Artificial Analysis上获得46分,为开源模型中最高分。Pro模型采用MixRL策略,基于75万条轨迹进行30步强化学习训练,成本为262万美元。API定价为每百万token 0.435/0.87美元,仅为闭源模型的1/20至1/60。

小米发布MiMo-V2.6 Pro和Flash多模态模型,在Artificial Analysis上获得46分,为开源模型中最高分。Pro模型采用MixRL策略,基于75万条轨迹进行30步强化学习训练,成本为262万美元。API定价为每百万token 0.435/0.87美元,仅为闭源模型的1/20至1/60。