Команда Xiaomi MiMo публично представила прогресс обучения с подкреплением в реальном времени для своей новой большой модели MiMo-V2.6 через страницу живого обучения. Под руководством бывшего исследователя DeepSeek Ло Фули проект включает масштабные эксперименты с многозадачными агентами с полностью асинхронным параллелизмом. Стоимость обучения двух версий превысила 1,28 миллиона долларов, заняв около 30 часов в совокупности. Этот прозрачный подход знаменует переход от закрытых испытаний к открытой инженерии, подчеркивая достижения Xiaomi в области масштабирования законов RL и исследования AGI.